محققان در مقالهای جدید به سراغ چالش کیفیت دادههای آموزشی در زبان آلمانی رفتهاند. مشکل اینجاست که منابع آموزشی آلمانی معمولاً نسبت به انگلیسی، ضعیفتر، کمتر مستند شده و کمتر ارزیابی شدهاند.
تیم سازنده «KletterMix»، یک مجموعه داده با کیفیت بالا را با ترجمه دقیق پیکرههای انگلیسی به آلمانی ایجاد کردهاند که علاوه بر حفظ ساختار و تنوع موضوعی، امکان مقایسه مستقیم مدلهای زبانی در دو زبان را فراهم میکند. این ابزار میتواند به بهبود چشمگیر عملکرد مدلهای زبانی در زبان آلمانی کمک کند. 🚀
منبع: arXiv NLP