arXiv · cs.CL· Chutong Meng·· 18 小时前AI 评分21
Mobilizing the Archive：从档案文献中大规模抽取双向平行语料，服务极低资源语言
Mobilizing the Archive: Bitext Extraction at Scale from Archival Documents for Extremely Low-resource Languages
来源与原文
arXiv · cs.CL
作者：Chutong Meng
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.40233v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究提出从语法书、词典等语言学档案文献中抽取平行翻译语料的流程，结合 OCR 模型与视觉语言模型（VLM）对齐版面信息，可为缺乏网络资源的语言提供训练数据。研究在 20 种语言上验证了抽取语料的效果：用于大语言模型 in-context learning 时，向低资源和高资源语言的翻译分别比 zero-shot 提升 +15.78 和 +6.94 chrF2++。
来源：arXiv · cs.CL · arxiv.org