Tatar
PulseAugur coverage of Tatar — every cluster mentioning Tatar across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
基于音素引导初始化的LLM增强语音识别 · 跟踪2个来源
研究人员开发了一种新颖的音素引导初始化方法，以提高大型语言模型（LLM）在自动语音识别（ASR）中的性能，尤其是在低资源场景下。该方法在端到端微调之前，先在语音到音素（S2P）任务上预训练音频编码器，在音素到字形（P2G）任务上预训练LLM。在日本、中文、鞑靼语和乌尔都语等多种语言的实验表明，该方法可以媲美或超越现有的级联和端到端ASR模型。此外，在多语言LLM驱动的ASR P2G方面也取得了进展，重点在于处理S2P不确定性和数据不平…
-
新的Tatoxa系统推动了低资源鞑靼语的文本去毒化
研究人员开发了Tatoxa系统，这是一种专门针对被认为是低资源语言的鞑靼语的文本去毒化新方法。实验表明，Tatoxa在检测和缓解有害内容方面优于现有的开源和商业大型语言模型。该研究还引入了一个新的鞑靼语文本去毒化数据集，并发现来自俄语等语言的跨语言迁移不如在本地鞑靼语数据上进行训练有效。
-
新的Tatoxa系统推动鞑靼语文本净化
研究人员开发了Tatoxa系统，这是一种专门针对鞑靼语的文本净化新方法。与现有的开源和商业大型语言模型相比，该系统表现出卓越的性能。该项目还推出了一个用于鞑靼语文本净化的新数据集，并发现来自俄语等语言的跨语言迁移效果不如在本土鞑靼语数据上进行训练，即使有大量的俄语语料库可用。
-
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。