Portuguese
PulseAugur coverage of Portuguese — every cluster mentioning Portuguese across labs, papers, and developer communities, ranked by signal.
9 天有情绪数据
-
新的基准测试评估葡萄牙语文本嵌入模型，揭示性能差距
发布了两个新的基准测试 MTEB-PT 和 MTEB-PT（巴西葡萄牙语），专门用于评估葡萄牙语的文本嵌入模型。这些基准测试解决了现有评估中葡萄牙语代表性不足的问题，而现有评估通常依赖于翻译的数据集或多语言平均值。新的基准测试包含大量葡萄牙语原生任务，涵盖语义文本相似性、分类、检索和重新排序等多个类别。初步评估表明，模型性能高度依赖于任务，并且在多语言基准测试上的排名并不能可靠地预测葡萄牙语特定性能，这凸显了进行原生语言评估的必要性。
-
MarketNow为其AI代理市场增加了4种语言
MarketNow，一个拥有8560项AI代理技能的市场，已将其语言支持从英语扩展到五种语言：西班牙语、葡萄牙语、中文和法语。这种多语言能力是在不依赖react-i18next等大型外部库的情况下实现的。该实现使用了自定义React Context进行语言持久化，以及一个包含每种语言400多个键的单一翻译文件。对于复杂页面，使用了特定的内容对象，并且技术类别保留为英文作为后备。
-
新型BERTomelo模型增强葡萄牙语NLP任务
研究人员开发了BERTomelo，这是一种专为葡萄牙语设计的新型单语编码器模型。该模型采用ModernBERT架构，并集成了FlashAttention等优化技术，与之前的葡萄牙语编码器（如BERTimbau和Albertina）相比，实现了更高的效率和可扩展性。BERTomelo在广泛的ClassiCC-PT语料库上进行训练，在命名实体识别和语义文本相似性等下游任务中表现出色，优于旧的单语模型和大型多语言模型。
-
AssemblyAI 语音代理 API 新增 6 种语言，支持原生语码转换
AssemblyAI 的语音代理 API 现在支持六种语言：英语、西班牙语、法语、德语、意大利语和葡萄牙语，并具备原生语码转换功能。此功能由 Universal-3.5 Pro Realtime 模型提供支持，该模型优先针对这些特定语言进行深度训练，以提高对姓名、产品和行话的准确性。该 API 还提供免费的自定义术语提示，以进一步提高对特定领域词汇的识别能力，确保更精确和专业的用户体验。
-
AssemblyAI推出医疗模式，支持原生语码转换转录
AssemblyAI为其转录模型引入了新的医疗模式，专注于准确处理临床对话中的语码转换。与需要语言切换的系统不同，AssemblyAI的Universal-3 Pro和Universal-3.5 Pro Realtime模型可以无缝转录在一次发音中混合语言的句子。这种能力对于患者和临床医生经常在语言之间切换的医疗环境至关重要，确保医疗术语和任何穿插的英语限定词都能被正确捕获。
-
新的LLM系统和数据集增强了葡萄牙电子商务的产品数据提取
研究人员开发了AI-PAVE-Br，一个利用大型语言模型来改进葡萄牙电子商务数据产品属性值提取（PAVE）的系统。该系统旨在处理巴西产品描述中的复杂性和语言变体。为了支持进一步研究并建立基准，该团队还创建并发布了“Golden Set”，一个用于葡萄牙语PAVE的精心标注的数据集。
-
新的 BLUEX v2 基准测试，用于评估大语言模型在复杂的葡萄牙语大学考试问题上的表现
研究人员开发了 BLUEX v2，这是一个新的基准测试，旨在评估大语言模型 (LLM) 在葡萄牙语开放式问题上的表现，这些问题专门来自巴西顶尖大学 UNICAMP 和 USP 的第二阶段入学考试。该数据集包含 2022-2025 年的 395 个问题，其中有 919 个带评分的子问题，超过一半的问题附带图像。在对 21 个最先进的大语言模型进行测试时，观察到 4.92 分的性能差距，其中数学推理和图像理解被证明是模型最具挑战性的领域。
-
人工智能分析世界杯球星崛起和病毒式集锦的多语种论述
一篇研究论文分析了佛得角守门员Vozinha在2026年FIFA世界杯比赛后人气迅速飙升的多语种论述。研究详细介绍了不同语言如何构建这一事件，葡萄牙语侧重于动员，西班牙语侧重于危机，英语侧重于国家建设，所有这些都促成了一个共享的曝光奇观。另外，一个案例研究探讨了在同一体育赛事期间，如何使用人工智能工具（特别是Claude和Higgsfield）为YouTube Shorts创建病毒式集锦。
-
新基准揭示大型语言模型对巴西葡萄牙语存在偏见
一个名为 P3B3 的新基准已被开发出来，用于评估大型语言模型（LLMs）如何处理葡萄牙语的变体，特别是欧洲葡萄牙语（pt-PT）和巴西葡萄牙语（pt-BR）。该基准旨在解决当前 pt-BR 数据更普遍存在的不平衡问题，导致大型语言模型（LLMs）表现出对该变体的偏见。使用 P3B3 进行的实验显示，大多数经过测试的大型语言模型（LLMs）都强烈偏好 pt-BR，不同模型之间的可控性程度各不相同，这突显了在大型语言模型（LLMs）中更…
-
新数据集用近亲语言和噪声挑战语言识别系统
研究人员推出了CHALIS，一个旨在测试语言识别系统在挑战性场景下性能的新数据集。该数据集包含近亲语言的示例以及带有拼写噪声的文本，例如音译和网络俚语。评估表明，当前的语言识别系统在这些困难案例中表现不佳，尤其是在低资源语言和有噪声输入方面。
-
新的语法比较方法提高了人名提取的准确性
研究人员开发了一种新的命名实体识别（NER）方法，专门用于识别人物姓名。该技术通过比较不同局部语法的词语搭配来突出差异，从而有助于选择最有效的语法。在一项针对葡萄牙语文本的案例研究中，该方法将人物姓名提取的F值提高了6个百分点，达到76.86，超过了此前的最先进水平。
-
美国政府限制对医疗保健专业人士的学生贷款
政府重新定义了“专业”学位一词，这将限制获得护理、物理治疗、职业治疗和公共卫生学位的人的贷款。尽管遭到各方强烈反对，但仍做出了这一决定。预计这一变化将对医疗保健行业产生负面影响，可能减少合格专业人士的数量。
-
探索概率Transformer在时间序列建模中的潜力：ST-PT框架报告
研究人员开发了时空概率Transformer (ST-PT) 框架，将概率Transformer (PT) 应用于时间序列建模。该框架将Transformer架构重构为可编程因子图，能够显式地设计图拓扑、势函数和消息传递调度。ST-PT框架通过三个研究问题进行探讨，研究其整合符号先验、实现条件生成以及通过原则性后验更新来改进预测的能力。
-
Google Meet 向移动设备推出实时语音翻译
Google Meet 现已向其移动应用程序推出实时语音翻译功能。此功能允许用户在通话中用不同语言进行交流，系统会翻译语音并稍有延迟地复制原始说话者的声音。目前，该服务支持英语、西班牙语、法语、德语、葡萄牙语和意大利语，但仍处于早期 alpha 阶段，并且在设备之间遇到了一些兼容性问题。
-
macOS 自然语言框架与 Nalaprop https:// web.brid.gy/r/https://eclectic light.co/2026/04/22/the-macos-natural-language-framework-and-nalaprop/
macOS 的自然语言框架为分析多种语言的文本提供了强大的支持，使应用程序能够部署自定义机器学习模型。虽然主要的大型语言模型主要以英语训练，可能对其他语言造成不利影响，但 Apple 的框架可以促进使用更小、本地化的模型。作者讨论了他们的应用程序 Nalaprop，该应用程序利用此框架对包括词性标注和词形还原在内的多语言文本进行详细的语言学分析。