Inria 发布 TOPXGEN 数据集, 应用在 机器翻译、低资源语言处理 领域

Inria 本次发布的数据集 TOPXGEN, TOPXGEN数据集由法国巴黎Inria研究机构的研究人员创建，旨在解决低资源语言机器翻译中的数据集质量、数量和多样性问题。该数据集通过LLM生成高质量、主题多样的低资源语言文本，然后进行反向翻译，以产生用于上下文学习和微调的有用且多样的并行文本。数据集包含10种低资源语言，共105万条句子。该数据集可用于评估TOPXGEN方法在低资源语言机器翻译中的性能。

查看TOPXGEN

关于 Inria , Inria（法国国家信息与自动化研究所）是法国的一个公共研究机构，专注于计算机科学和信息学的研究。

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。