Teknoloġija
Mibni fuq l-istess riċerka bħall-bqija tal-NLP Malti, mhux għalih waħdu
NeuroMaltese mhuwiex kaxxa sewda mgħottija madwar mudell multilingwi ġeneriku. Hawn x'qed jiġri verament minn taħt, u r-riċerka li fuqha hu mibni.
X'inhu differenti teknikament
Il-problemi speċifiċi għall-Malti li ħafna mudelli lanqas jipprovaw isolvu
Grammatika ibrida Semitika-Rumanza
Il-Malti jgħaqqad morfoloġija Semitika ta' għerq u pattern ma' vokabularju Rumanz u Ingliż, taħlita li l-ebda lingwa oħra ma taqsam, u għalhekk mudelli mħarrġa fuq lingwi Rumanzi jew Semitiċi biss jittrasferixxu ħażin.
Approċċ ta' taħriġ b'riżorsi limitati
Il-Malti jifforma madwar 0.03% tal-Common Crawl. Minflok ma nittamaw li l-iskala tikkumpensa, NeuroMaltese huwa mħarreġ u ffinjar fuq corpora kkuratati speċifiċi għall-Malti u evalwat kontra benchmarks speċifiċi għall-Malti.
Arkitettura tat-taħlit bejn il-lingwi
It-taħlit bejn il-Malti u l-Ingliż huwa mmudellat bħala każ ewlieni, mhux fallback, għax hekk kif il-Maltin verament jikkomunikaw ta' kuljum.
Metodoloġija ta' evalwazzjoni
Il-prestazzjoni titkejjel b'metriċi mibnija jew ivvalidati għal pari ta' lingwi b'riżorsi limitati, inkluża evalwazzjoni bbażata fuq COMET għall-Ingliż-Malti, minflok metriċi żviluppati għal pari ta' lingwi b'ħafna riżorsi u preżunt li jittrasferixxu.
Kif inhu mibni
Kif il-mudelli jiġu mħarrġa u evalwati
- 01
Ġbir ta' dejta
Corpora speċifiċi għall-Malti jinġabru u jiġu kkuratati minn rekords parlamentari, aħbarijiet, u kliem u test ta' kuljum, minflok ma jiġu ffiltrati minn crawl ġenerali tal-web.
- 02
Tokenisation u ffinjar
L-għażliet ta' tokenisation jiġu ttestjati apposta għall-Malti, għax it-tokeniser il-ħażin jista' bil-kwiet jiswa preċiżjoni qabel ma anke jibda t-taħriġ, u l-mudelli jiġu ffinjati minflok ipprompti zero-shot.
- 03
Terminoloġija u adattament għal qasam partikolari
Reġistri legali, tal-gvern, u finanzjarji jiġu ttrattati bħala miri distinti ta' ffinjar, mhux output ġeneriku wieħed bil-Malti.
- 04
Evalwazzjoni b'benchmark
Il-mudelli jiġu evalwati kontra sets ta' ttestjar u metriċi speċifiċi għall-Malti, inkluża punteġġ ibbażat fuq COMET għat-traduzzjoni, minflok metriċi mibnija għal lingwi b'ħafna riżorsi.
Ippubblikat, evalwat bejn il-pari
Din mhix kopja interna ta' marketing
Ir-riċerka tal-kofundatur Kurt Abela dwar it-traduzzjoni awtomatika u l-evalwazzjoni Maltija hija ppubblikata fl-istess venues użati mill-komunità usa' tar-riċerka tal-NLP.
Metodu ta' evalwazzjoni bbażat fuq COMET għat-traduzzjoni Ingliż-Malti, evalwat bejn il-pari fil-LREC-COLING
Riċerka dwar l-injezzjoni ta' termini għal traduzzjoni ta' terminoloġija Maltija b'riżorsi limitati (LoResMT)
Fejn dan jinsab akkademikament
Mibni flimkien ma', mhux minflok, ir-riċerka tal-NLP Malti
Il-Maltese Language Resource Server (MLRS) tal-Università ta' Malta tippubblika corpora, lexicons, u għodod tal-NLP fundamentali għall-Malti, u MELABench tqabbel għexieren ta' large language models ma' mudelli iżgħar iffinjati apposta fuq xogħlijiet Maltin.
NeuroMaltese ġej mill-istess komunità akkademika. Ir-riċerka evalwata bejn il-pari ta' Kurt Abela tinsab ħdejn dan ix-xogħol, mhux 'il bogħod minnu, u teżisti biex tieħu dan fil-produzzjoni minflok tikkompeti miegħu għall-istess territorju. Għal stampa usa' ta' kif dan jidher fil-prattika, ara l-paġna ta' servizzi tal-AI tal-lingwa Maltija ta' Neural AI.
Trid id-dettall tekniku fuq il-każ tiegħek?
Kuntenti nispjegaw il-benchmarks, l-arkitettura, jew liema dejta ta' taħriġ tkun meħtieġa għall-qasam tiegħek.