精选理由
这篇综述把Indic NLP的历史、挑战和未来方向都讲透了，还提出Culture Sensing新概念，做多语言和文化AI的可以看看。
该论文系统梳理了印度次大陆NLP技术的发展历程，覆盖关键里程碑（如1950年代机器翻译早期尝试）和方法论转变（从统计方法到深度学习）。论文分析了印度语言的结构性挑战：包括复杂脚本、丰富形态、大方言差异以及双言现象，并指出这些对构建AI基础模型构成独特障碍。论文调查了现有Indic基础模型（如AI4Bharat的IndicBERT）如何缓解资源与表征缺口，并提出'Culture Sensing'研究方向，旨在通过诠释推理实现公平跨语言性能和文化语义化输出。文章整合了历史工作、当前技术（如多语言预训练模型）和新兴趋势，为下一阶段Indic NLP和包容性基础模型研究提供了指导。
AI 翻译 · 中文
该论文系统梳理了印度次大陆NLP技术的发展历程，覆盖关键里程碑（如1950年代机器翻译早期尝试）和方法论转变（从统计方法到深度学习）。论文分析了印度语言的结构性挑战：包括复杂脚本、丰富形态、大方言差异以及双言现象，并指出这些对构建AI基础模型构成独特障碍。论文调查了现有Indic基础模型（如AI4Bharat的IndicBERT）如何缓解资源与表征缺口，并提出'Culture Sensing'研究方向，旨在通过诠释推理实现公平跨语言性能和文化语义化输出。文章整合了历史工作、当前技术（如多语言预训练模型）和新兴趋势，为下一阶段Indic NLP和包容性基础模型研究提供了指导。
As Artificial Intelligence (AI) makes inroads into different parts of the Indian subcontinent, there is significant interest in studying how AI impacts the linguistic and cultural foundations of this civilization. AI is …