Mohamed Bin Zayed University of Artificial Intelligence 发布 MultiDiac 数据集, 应用在 自然语言处理、多语言标音 领域

Mohamed Bin Zayed University of Artificial Intelligence 本次发布的数据集 MultiDiac, MultiDiac是一个多语言数据集，用于评估大型语言模型在阿拉伯语和约鲁巴语中的文本标音效果。该数据集包含多样化的样本，涵盖了各种标音歧义。研究机构 Mohamed Bin Zayed University of Artificial Intelligence 与三位母语为约鲁巴语的语言学家合作收集了约350个基本单词，每个单词都有多个有效的标音形式，并构建了3到4个语境丰富的句子来确保多样性和自然语言歧义。阿拉伯语数据集由一位母语为阿拉伯语的人士和一位L2级熟练人士收集，选择了约42个基本单词，每个单词都有多个标音形式，并构建了3到4个语境不同的句子。

查看MultiDiac

Dataset card 内容： 

Files and versions 内容： 

关于 Mohamed Bin Zayed University of Artificial Intelligence , 阿联酋穆罕默德本扎耶德人工智能大学（MBZUAI）是世界上最先进的人工智能研究大学之一，旨在培养下一代人工智能领袖。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。