Urdu
PulseAugur coverage of Urdu — every cluster mentioning Urdu across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
乌尔都语虚假新闻检测受数据集长度混淆因素的阻碍
研究人员对乌尔都语虚假新闻检测进行了研究，强调了跨数据集泛化的重大挑战。使用 XLM-RoBERTa 模型和两个不同的乌尔都语数据集，研究发现，从 Notri-Fact 数据集迁移到 Ax-to-Grind 语料库可获得不错的 F1 分数 0.771，但反向迁移则导致性能几乎完全崩溃，F1 分数仅为 0.005。这种急剧的性能下降归因于 Ax-to-Grind 数据集中的长度混淆因素，其中虚假新闻文章比真实文章长得多，导致模型产生捷径…
-
Riazi-8B: 乌尔都语大语言模型增强低资源语言的数学推理能力
研究人员开发了Riazi-8B，一个专门为乌尔都语数学推理设计的新型大语言模型。该模型解决了现有以英语为中心的大语言模型的局限性，这些模型在乌尔都语等低资源语言上的表现不佳。Riazi-8B通过两步过程创建：首先在乌尔都语维基百科上进行预训练，然后使用从GSM8K派生的乌尔都语思维链数据进行微调。在MGSM-Urdu基准测试上的评估表明，与其他的乌尔都语指令微调模型相比，Riazi-8B在答案正确性、推理质量和乌尔都语生成方面有了显著提升。
-
大型语言模型在数学应用题的文化翻译方面存在困难
一项新研究分析了像Claude Opus 4、GPT-4.1和Gemini 2.5 Pro这样的大型语言模型如何跨越不同语言和文化翻译数学应用题。研究发现，尽管模型通常在转换类型上达成一致，但它们经常替换特定的文化元素，如姓名和食物，导致呈现给学生的文化背景产生显著差异。此外，所有测试的语言-模型组合都表现出“熵坍缩”，这意味着适应过程压缩而非扩展了文化多样性，模型经常错误地归因于区域背景或引入跨文化污染，例如将寻蛋活动等同于开斋节活动。
-
新基准评估多语言视觉语言模型对孟加拉文化和方言的理解
研究人员开发了BanglaVerse，这是一个旨在评估多语言视觉语言模型（VLMs）在孟加拉文化背景下文化理解能力的新基准。该基准包含1,152张图像和约32.2K个跨越九个领域的工件，支持孟加拉方言以及印地语和乌尔都语等历史关联语言。实验表明，与标准孟加拉语相比，模型在处理方言变体时表现明显较差，这表明文化知识的缺乏是主要限制，而不仅仅是视觉基础的不足。
-
新的DunbaaBERT模型增强了乌尔都语NLP能力
研究人员推出了DunbaaBERT，这是一系列新的乌尔都语RoBERTa-base模型，旨在解决乌尔都语在NLP任务中探索不足的问题。这些模型在一个包含不同Byte-BPE词汇大小的17GB乌尔都语语料库上进行训练，在与多语言基线模型相比时表现出竞争力，同时提供了有利的效率。值得注意的是，研究发现更大的词汇量并未持续提高下游任务的有效性，其中32k词汇量变体显示出最佳的效率特征。这些模型已根据MIT许可证发布，旨在提供具有紧凑规模的、…
-
UR与美团合作提供30分钟配送；英特尔将制造特斯拉AI芯片
URBAN REVIVO (UR) 已与美团闪购合作，提供其产品的按需配送服务。此次合作将使UR的首批门店自5月13日起登陆美团闪购，让顾客能在30分钟内收到精选商品。另外，据报道，英特尔将在特朗普政府的压力下，从三星电子转移生产线，为特斯拉生产AI6芯片。
-
跨语言手写文本识别模型通过序列建模提高低资源性能
研究人员调查了跨语言迁移学习如何改进低资源阿拉伯语脚本语言的手写文本识别（HTR）。他们的研究表明，序列建模，而不仅仅是共享的视觉表示，是这些改进的关键，尤其是在数据稀缺的情况下。在阿拉伯语、乌尔都语和波斯语数据集上的实验表明，结合了卷积和序列建模的CRNN模型在多脚本训练时，其性能显著优于仅CNN的模型。这表明在低资源环境下，上下文理解在有效的HTR迁移学习中起着至关重要的作用。
-
XITE技术将跨语言迁移能力提升高达81%
研究人员推出了一种新颖的数据增强技术XITE，旨在提高多语言语言模型的跨语言迁移能力。该方法利用嵌入相似性，将高资源语言（如英语）的标签识别并适配到低资源语言。通过对源嵌入和目标嵌入进行插值，并进一步利用线性判别分析增强性能，XITE在情感分析和自然语言推理等多种语言任务中均取得了显著的提升。