Mullosharaf Arabov Am
PulseAugur coverage of Mullosharaf Arabov Am — every cluster mentioning Mullosharaf Arabov Am across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的俄罗斯金融基准揭示了大型语言模型的推理差距
研究人员推出了 RusFinChain，这是一个专为评估俄语金融领域可验证思维链推理而设计的新基准。该基准包含 17 个领域中超过 5000 个参数化示例，每个示例都附带一个黄金标准推理链，用于自动验证。对八个开源大语言模型的初步评估显示，其推理能力存在显著差距，模型在步骤对齐方面的 F1 分数约为 0.65，但最终问题的正确回答率仅为 29% 左右。该研究还提出了新的指标——模糊数值对齐和软注意力对齐，与现有的评估方法相比，这些指标…
-
新的阿拉伯语-俄语平行语料库和基准改进科学翻译
研究人员开发了一个新的基准和并行语料库，以改进阿拉伯语-俄语科学翻译。该基准包含约 27,000 个句子对，这些句子对是从科学摘要和一般文本中汇编而成的。使用 LoRA 技术对 Qwen2.5-7B-Instruct 等多语言语言模型进行微调，显著提高了翻译质量，证明了领域特定微调相对于少样本提示的必要性。
-
人工智能预测果胶生产参数，减少实验需求
研究人员开发了一个机器学习流程来预测果胶水解-提取过程中的参数，利用了包含1000次实验室实验的数据库。测试了十一种算法，经过超参数优化后，CatBoost模型达到了最高的准确率（R方值约为0.946）。研究发现，原材料的类型是最重要的因素，其次是温度和保持时间，这表明人工智能有潜力减少工业生产控制中对大量物理实验的需求。
-
新的NLP指南涵盖从分词到RLHF的开源模型
一篇新的预印本论文详细介绍了一个现代自然语言处理（NLP）流水线的实践指南，涵盖了从分词到人类反馈强化学习的全部内容。该指南被构建为一个可复现的研究成果，包含十二个实践环节，强调开源模型和Hugging Face生态系统。它包含了关于为塔吉克语和鞑靼语等低资源语言调整NLP技术的原创研究。
-
新研究为塔吉克-波斯语机器音译模型建立基准
本文介绍了塔吉克语和波斯语之间机器音译的新基准，并从不同来源开发了一个独特的平行语料库。该研究比较了六种模型架构，包括基于规则的系统、LSTM、Transformer 和预训练的多语言模型。结果表明，对于这种语言对，字节级和字符级模型（尤其是 ByT5）的性能明显优于 mT5 等基于子词的模型。