#低资源语言

孟加拉语这种低资源语言上，Llama 4 Maverick 不微调就拿下 0.931 的 F1，比 BanglaBERT+XGBoost 还高，做低资源语言分类的可以看看。

一篇关于小语种文化评估的论文，母语者出题测 LLM，发现海地角色老被写成苦难叙事，角度挺有意思。

加纳团队用 Qwen3-ASR-0.6B 给三种本地语言做语音识别，Ewe 错误率砍掉近一半，还上线了健康问答应用 KasaHealth，低资源语言落地的完整参考。

孟加拉语医疗问答系统BanglaMed-QA上线，解决低资源语言医疗信息缺口，准确率达95%。

论文揭示SFT和RL如何让模型真正用低资源语言思考，而非表面准确率提升，还发布了五个实用检查点。

这篇论文讲孟加拉语在AI基建里的吃亏，67:1的token差距和36.5%的农村联网率是硬数据。

这篇论文用依赖解析器代替人工标注做偏好优化，北欧三种低资源语言上效果提升明显，做多语言模型的人可以看看。

做波斯语OCR不用愁数据了，Persian Pixel有34万张合成图加上25种真实退化模拟，直接拿它训模型比手动标注省事得多。

这篇论文告诉你如何微调Whisper搞定低资源语言阿萨姆语的语音识别，效果比零样本好一大截，WER直接降了78%

这篇论文很实在，直接指出LLM-as-a-Judge在多语言场景下不靠谱，只找出33篇相关研究还一堆问题。做NLP评估的朋友建议看看。

低资源语言NLP开发者终于有了可本地部署的高效嵌入方案——e5-sk系列在体积缩减62%后仍能匹敌商业API，做斯洛伐克语语义搜索或RAG的团队可以直接用开源模型替代付费服务。

低资源语言ASR团队终于有了可落地的数据增强方案——用LLM+TTS生成对话数据，效果堪比数倍真实数据。做多说话人语音识别的开发者值得一试，尤其适合匈牙利语等小语种场景。