★ 3
EquiReview-R：证据引导的AI评审修订框架
该研究提出EquiReview-R，将AI辅助评审重构为证据引导的修订过程，区分遗漏与过度批评。实验显示其将重大过度批评从15.5%降至8.1%，并发布ReviewTrace语料库以支持相关研究。
arXiv cs.AI59 天前
#语料库
共 5 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
研究者发布 885 小时孟加拉语语音语料 Lipi-Ghor
研究者发布 Lipi-Ghor，一个弱监督构建的大规模孟加拉语语音语料库，含 885 小时音频，来自 998 个 YouTube 视频、596 个频道，覆盖 17 个领域。该语料首次为孟加拉语提供大规模、带说话人分离的长音频标注，并附带可复用的构建流程。团队在零样本与微调条件下评测四个主流 ASR…
arXiv NLP5 天前
★ 2
Nheengatu 机器翻译：开放系统与可复现语料管线
研究者为亚马逊通用语 Nheengatu（约 6000-10000 名使用者）构建了迄今最大的 1.45 万对葡萄牙语-Nheengatu 平行语料，以 2023 年巴西联邦宪法官方译本为锚，并发布首个基于转写口语的评测集与首个双向开放权重翻译模型。葡译 Nheengatu 在宪法文本上达 31.…
arXiv NLP19 天前
★ 2
BenCoDiC：孟加拉语政治新闻网络欺凌语料库发布
研究者发布孟加拉语语境化网络欺凌语料库BenCoDiC，包含来自100个YouTube视频及其讨论的50250条文本，保留字幕-评论-回复关系并采用九维星型模式组织。五个AI聊天机器人在标注可靠性上未达标，最终采用双层人工标注加专家核验，Fleiss κ与Krippendorff α均为0.86。…
arXiv NLP21 天前
★ 2
Wieszcz-XIX：31 亿词 1918 年前波兰语语料与模型
研究者发布 Wieszcz-XIX，一个包含 67.5 亿 token（约 31 亿词）、294,369 份 1800–1918 年波兰语文献的语料库，规模比同期标注语料大三个数量级。基于该语料从零训练 47M 至 349M 参数的解码器模型，测量其时间边界性，并开源语料、代码与权重。
arXiv NLP24 天前
这个主题的相关资产
相关公司YouTube2