در حالی که همه نگاهها به سمت مدلهای زبانی بزرگ (LLM) مثل Gemini یا LLaMA است، یک پژوهش جدید روی زبان «مراتی» نشان داده که برای کارهای تخصصی در زبانهای کممنابع، مدلهای مهندسیشده و کوچکتر (مثل نسخههای BERT) همچنان رقیبی ندارند!
نتایج این تحقیق ثابت کرد که fine-tune کردن مدلهای اختصاصی روی دادههای زبانمحور، دقت بسیار بالاتری (تا ۹۱٪) در شناسایی موجودیتها (NER) نسبت به مدلهای عمومی داشته است. این یعنی برای کاربردهای خاص و زبانهای غیرانگلیسی، همچنان «تخصص» بر «عمومیت» پیروز است. 🎯
منبع: arXiv Machine Learning
