محققان در یک دستاورد تازه، معماری جدیدی به نام «MoLGE» (مخفف Mixture of Language Group Experts) را برای مدلهای تشخیص گفتار (ASR) معرفی کردند که میتواند انقلابی در دنیای مدلهای چندزبانه ایجاد کند.
مشکل اصلی مدلهای فعلی این است که با افزایش تعداد زبانها، کیفیت عملکرد آنها افت میکند (نفرین چندزبانگی). اما MoLGE با دستهبندی زبانهای مشابه و اختصاص «متخصصهای مجزا» به هر گروه، نه تنها دقت را بالا میبرد، بلکه با استفاده از استراتژی هوشمند LoRA، کارایی مدل را بدون نیاز به پارامترهای حجیم به شدت افزایش میدهد. آزمایشها روی ۴۹۵ زبان مختلف نشان داده که این روش عملاً رقبا را پشت سر میگذارد!
این پیشرفت یعنی به زودی دستیارهای صوتی و ابزارهای ترجمه با دقت بسیار بالاتر و مصرف منابع کمتر در دسترس خواهند بود. 🌐💡
منبع: arXiv NLP