IndicLLMSuite：针对印度语言创建预训练和微调数据集的蓝图

IndicXNLI 是一个用于 11 种印度语言的 NLI 数据集，分析了跨语言转移技术。

研究了不同预训练模型、语言和输入类型对模型表现的影响。

引入了 INDIC-MARCO 数据集和 Indic-ColBERT 模型，以提升印度语言的神经信息检索性能。

IndicIRSuite 是为大量印度语言构建大规模神经信息检索资源的首次尝试。

实验证明，Indic-ColBERT 在大多数印度语言上的 MRR@10 得分平均提高了 47.47%。

通过机器翻译和多语言模型的研究，探讨了大型语言模型在印度语言翻译中的能力。

创建了 MQM 数据集以评估机器翻译系统在印度语言中的翻译质量。

研究了支持所有 22 种印度语言的机器翻译模型，提出了四个关键领域的改进。

IndicNLG 基准用于评估 11 种印度语言的自然语言生成任务，显示多语言特定预训练模型的强大性能。

构建了开源的多语言监督微调数据集，提高了大语言模型获取文化特定知识的能力。