低资源语言翻译研究难点:档案正字法与现代规范不匹配
anas_ant · x · 2026-11-06
论文作者补充讨论低资源语言平行数据挖掘的最大剩余挑战:档案语言学材料使用的正字法与现代社区习惯(以及测试集所用规范)不一致——有的缺附加符号、有的是 OCR 噪声、有的需文字系统转换。团队采用人工引导的方式做归一化(论文 Table 10 列出 20 种语言各自的归一化策略),作者认为这一步未来可以用 agent 自动化。
所属事件:多语言高质量翻译数据集开源，全自动管线征战 WMT(3 条相关)→
「研究」频道最新
- PolymathicAI 纽约团队招聘：实习、博士后到研究工程师多个 AI4Science 岗位 — cosmo_shirley · 2026-11-06
- Hugging Face 烧 80 万 GPU 小时发布免费 MoE 训练手册 — Thom_Wolf · 2026-11-06
- METR 数据：AI 基准增速翻倍，Anthropic Model 4 得 178.6 分 — scaling01 · 2026-11-06
- 博主实测 Astra 权重：输入输出单元竟可人类直读 — rupspace · 2026-11-06
- Adobe HueRistic 获 UIST 最佳论文荣誉提名：AI 自动调配直播间灯光颜色 — rufusd · 2026-11-06
- 快手可灵团队等提出 JointLight：视频换光时人物与阴影保持真实 — jiqizhixin · 2026-11-06