arXiv 自然语言处理· Donato Meoli, Eryk Wdowiak·· 12 小时前AI 评分27
低资源场景下的数据流水线自动化与基线复现研究
Climbing the Ladder: Automating Data Pipelines and Reproducing Baselines in Low-Resource Settings
AI 导读
研究针对低资源语言西西里语自动化重构了平行语料提取流水线，并对比从头训练的小型 Transformer 与预训练 NLLB 模型的低秩微调效果。实验结果显示预训练 NLLB 表现显著更优，分阶段训练更有力地提升了西西里语的译入质量。此外，多语言 adapter 在未训练方向上会出现性能退化，限制了其通用多语言应用。
来源：arXiv 自然语言处理 · arxiv.org