Este estudo apresenta a primeira aplicação de um modelo de Geração Aumentada por Recuperação (RAG) para resposta a perguntas jurídicas em nepalês, abordando a escassez de dados em idiomas com poucos recursos. Utilizando BM25 em documentos segmentados, o pipeline RAG alcançou alta precisão e veracidade, demonstrando sua eficácia no domínio jurídico nepalês.
Nsanku é um benchmark sistemático que avalia o desempenho de tradução zero-shot de 19 LLMs para 43 línguas ganesas. Ele utiliza frases da Bíblia e métricas como BLEU e chrF, mostrando que gemini-2.5-flash alcança a maior pontuação média.
Este artigo propõe uma nova abordagem de aprendizado em contexto para tradução automática de copta para inglês em baixa-recurso, utilizando aumento sintático de análises de Dependências Universais. Embora a informação sintática sozinha seja menos eficaz que glossários baseados em dicionário, a combinação de ambos resulta em ganhos significativos e alcança o estado da arte.
Este artigo propõe um arcabouço teórico para estudar a transferência interlinguística e a adaptação eficiente de parâmetros em LLMs multilingues para a família de línguas túrquicas. Ele busca abordar a sub-representação de línguas de baixos recursos nesses modelos, como azerbaijano, cazaque, uzbeque, turcomeno e gagauz.
Este artigo introduz AFRILANGDICT, uma coleção de dicionários de línguas africanas-inglês, e AFRILANGEDU, um dataset, para treinar modelos de IA, chamados AFRILANGTUTOR. O objetivo é desenvolver tutores de idiomas assistidos por IA para línguas africanas de baixos recursos, abordando a lacuna de sistemas de IA para idiomas locais no continente africano.
MultiSoc-4D é um novo benchmark de dados de mídia social bengali para diagnosticar o comportamento de LLMs na anotação de conjuntos fechados. A pesquisa revela um fenômeno de "colapso de rótulos induzido por instruções", onde os LLMs preferem rótulos padrão, subdetectando categorias minoritárias.
O processamento de linguagem natural (PLN) de baixo recurso tem crescido exponencialmente, mas sua avaliação enfrenta um desafio crítico: a escassez de expertise sociolinguística necessária para avaliar sistemas generativos complexos. Isso gera o "Paradoxo da Escassez de Anotação", onde a capacidade técnica de escalar modelos supera a infraestrutura humana necessária para uma avaliação autêntica.
Esta pesquisa aborda a Lacuna de Estabilidade-Expressividade em Modelos de Linguagem Falada (SLMs) para idiomas com poucos recursos, causada pelo uso extensivo de dados sintéticos. Enquanto dados sintéticos melhoram a precisão fonética, eles degradam a expressividade prosódica, um fenômeno chamado Erosão Sintética. O artigo introduz estruturas de autoalinhamento para recuperar a expressividade.
Este estudo empírico investiga o aprendizado em contexto (ICL) de muitos exemplos para tradução automática de inglês para dez idiomas de baixo recurso. Os achados mostram que o ICL se torna mais eficaz com o aumento do número de exemplos, e a recuperação baseada em BM25 melhora substancialmente a eficiência dos dados.