Компьютерные науки > Расчеты и язык [представлен 26 октября 2026 года] Название: Качественность по сравнению с количеством: Переосмысление данных и допущения моделей для бенгальского подхода к разрешению соотношений PDF HTML (экспериментальный) резюме: Часто предполагается, что модели многоязыковых трансформаторов обобщают на разных языках, однако их эффективность в плане совместного разрешения при низких параметрах ресурсов остается непроверенной. Мы расследуем этот пробел в бенгальском языке, на котором говорят более 250 миллионов человек, но который ограничен аннотированными справочными ресурсами. Мы оцениваем предварительно обученные кодеры на основе трансформатора при нескольких параметрах, включая нулевой выстрел, тонкую настройку, увеличение данных и межязыковую передачу. Наши результаты ставят под сомнение ряд общих посылок относительно обобщения моделей и эффективности данных в НЛП с низким уровнем ресурсов. Мы демонстрируем, что небольшое количество высококачественных аннотированных данных значительно превосходит более крупные наборы данных смешанного качества (p < 0,01). Мы считаем, что увеличение объема данных, особенно их повторное переводение, не способствует повышению эффективности работы и может привести к ухудшению результатов в плане взаимного разрешения. Межязыковая передача также непоследовательна: перенос с такого далёкого языка, как английский, снижает производительность работы и перевод со соответствующего языка хинди не дает последовательных…
Качество в превышении количества: переосмысление данных и допущений, касающихся моделей для решения проблемы бенгальских соотношений
arXiv: 2610 35114v1 Annualce Type: New Humber Abstract: Multilitary Transformer Models часто предполагается обобщать на разных языках, но их эффективность в плане совместного разрешения при низких параметрах ресурсов остается непроверенной. Мы расследуем этот пробел в бенгальском языке, на котором говорят более 250 миллионов человек, но который ограничен аннотированными справочными ресурсами. Мы оцениваем предварительно обученные кодеры на основе трансформатора при нескольких параметрах, включая нулевой выстрел, тонкую настройку, увеличение данных и межязыковую передачу. Наши результаты ставят под сомнение ряд общих посылок относительно обобщения моделей и эффективности данных в НЛП с низким уровнем ресурсов. Мы демонстрируем, что небольшое количество высококачественных аннотированных данных значительно превосходит более крупные наборы данных смешанного качества (p < 0,01). Мы считаем, что увеличение объема данных, особенно их повторное переводение, не способствует повышению эффективности работы и может привести к ухудшению результатов в плане взаимного разрешения. Перенос на другие языки также непоследовательн: перевод с далёкого языка, как английский, уменьшает p