BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

COMI-LINGUA: Expert Annotated Large-Scale Dataset for Hindi-English Code-Mixing

💡 原文英文，约100词，阅读约需1分钟。
📝

内容提要

本研究提出了COMI-LINGUA，一个大型手动标注的数据集，旨在捕捉印地语与英语代码混合的语言细微差别。通过对100,970个实例的专家评估，揭示了现有多语言建模策略的局限性，并强调了改进代码混合文本处理能力的必要性。

🏷️

标签

COMI-LINGUA dataset 代码混合 印地语 多语言建模 英语
➡️

继续阅读

  1. AI原生工程实践：AI工程师与前沿部署工程师如何利用Claude Code、Codex和Gemini进行开发
    本文介绍AI原生软件开发生命周期（SDLC）框架，涵盖计划、设计、构建、测试、部署、维护六阶段。核心是通过意图、规格、计划等文档驱动开发，将瓶颈从编码转向...
  2. Airbnb Cuts Authentication Code by 60% with Server Driven Architecture
    Airbnb redesigned its authentication architecture around server driven flows ...
  3. DeepSeek-V4 模型结构（2）：序列维度（中），Lightning Indexer 与稀疏选择
    本文介绍DeepSeek-V4模型中的压缩稀疏注意力（CSA）机制。KV缓存每4个token压缩为一条，1M上下文仍有26万条目，故用lightning ...
  4. DeepSeek-V4 模型结构（1）：序列维度（上），从 MLA 到压缩 KV
    本文介绍DeepSeek-V4的注意力机制，从MHA到CSA/HCA的演进，重点分析压缩KV缓存的方法。V4将每4或128个token压缩为一条512维K...
  5. DeepSeek-V4 模型结构（0）：一张图看懂 DeepSeek-V4
    本文介绍DeepSeek-V4模型架构：Pro版总参数1.6T、61层，Flash版284B、43层，均采用4条残差流、交错CSA/HCA压缩注意力与Mo...
  6. CD销量激增，实体媒体持续复兴
    美国唱片业协会报告显示，2026年上半年CD销量达1750万张，同比增长45.7%，销售额增长58.6%至1.711亿美元，扭转了此前下滑趋势。黑胶唱片销...
👤 个人中心
在公众号发送验证码完成验证