圣母大学 发布 FLORES+ 数据集, 应用在 机器翻译、多语言处理 领域

圣母大学 本次发布的数据集 FLORES+, FLORES+是一个包含超过200种语言的英语到多语言翻译数据集，由NLLB项目创建，旨在为多语言机器翻译（MT）提供一个全面的评估基准。该数据集的创建过程遵循严格的质量控制标准，包括对翻译者和审稿人的资格要求。然而，研究发现FLORES+在多语言评估方面存在不足，如翻译质量低于90%的标准，源句子过于特定领域和文化偏向英语世界。因此，研究提出了改进多语言MT基准的三个方向：源句子应减少特定领域和技术性，基准应最小化命名实体在评估中的影响，内容应避免过度关注英语文化。

查看FLORES+

Dataset card 内容： 

Files and versions 内容： 

关于 圣母大学 , -_simple

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。