多语言高质量翻译数据集开源，全自动管线征战 WMT

研究团队宣布一项历时 6 年打磨的多语言高质量数据与模型正式开源，作者称只有今天的模型才能充分利用这些数据，后续还将在更多语言上发布高质量数据。团队用同一套零人工干预的全自动管线参加今年 WMT 克里奥尔语翻译共享任务，在部分语言对上产出最优系统。作者还指出低资源语言平行数据挖掘的最大剩余挑战：档案语言学材料的正字法与现代社区习惯及测试集规范不一致，存在缺附加符号、OCR 噪声、需文字系统转换等问题。

2026-11-06 ~ 2026-11-06 · 3 条相关