GitHub · 灵魂体仓库·· 20 天前精选AI 评分57
Domain-Stratified NMT Corpus Builder 开源：两阶段领域分类器切分平行语料
singhmanyu/Domain-Stratified-NMT-Corpus-Builder
来源与原文
GitHub · 灵魂体仓库
发布时间：（北京时间）
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/singhmanyu/Domain-Stratified-NMT-Corpus-Builder
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
作者开源 Domain-Stratified NMT Corpus Builder，将平行语料按领域分层切分以训练 NMT 模型。流程分两阶段：先用 nvidia/domain-classifier 处理约三分之二可判定的语料，再用 ollama 上的 llama3.2:3b 生成约 15k 条种子标签训练 fastText 处理剩余模糊部分。
推荐理由
作者用两阶段分类器把 170 万平行语料按领域切分，实测 35 分钟跑完，并给出温度参数与定向采样两个可迁移的调优结论。
来源：GitHub · 灵魂体仓库 · github.com