Новости
A Factorial Study of Synthetic Data Generation for Low-Resource Machine Translation using Grammar Books
arXiv cs.AI · Опубликовано · 3 мин чтения
За 30 секунд
- Что произошло
- Researchers extract grammar rules from linguistic documentation using LLMs to generate synthetic training data for machine translation in endangered languages.
- Почему это важно
- Matters for engineers building translation systems for low-resource languages where parallel corpora are scarce but grammar books exist.
- На что обратить внимание
- Results vary significantly across languages and configurations. Gains ranged from 3.3 to 8.8 ChrF++ points, and success rate dropped to 59% for one language tested.
Послушать это резюме
- language model
- prompt
- fine-tun
- inference
The Agent Architect
Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.
Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.