arXiv cs.AI@Ziheng Zhang, Yunzhong Hou, Naijing Liu, Liang Zheng
精选55
推荐理由：低资源语言处理是 NLP 的硬骨头，WARDEN 用两阶段设计+跨语言迁移+词典增强给出了可行方案，做低资源 ASR/NMT 的研究者可以直接参考其技术路线。
全部 AI 动态
AI 相关资讯全量信息流
5月14日
13:27
WARDEN 是一个针对极度低资源场景设计的语言模型系统，能够将澳大利亚濒危原住民语言 Wardaman 转录并翻译成英语。由于仅有6小时标注音频数据，传统的大规模端到端方法不可行，因此 WARDEN 采用两阶段架构：先进行音素转录，再翻译成英文。研究提出了两项关键技术：从与 Wardaman 音素相似的 Sundanese 语初始化转录模型，以及利用专家标注的 Wardaman-英语词典增强大语言模型的翻译推理。实验表明，在极低数据条件下，两阶段设计优于统一模型，WARDEN 仅用6小时数据即超越更大规模的开源和商业模型。代码与数据已开源。
13:27
arXiv: DeepSeek@Ahmed Heakl, Youssef Mohamed, Abdullah Sohail, Rania Elbadry, Ahmed Nassar, Peter W. J. Staar, Fahad Shahbaz Khan, Imran Razzak, Salman Khan
精选55
推荐理由：做多语言文档理解或 OCR 的团队终于有了一个覆盖 82 种语言的高质量基准和训练框架，低资源语言场景可以直接用 DPO 方法提升效果，建议点开看具体实现。