AdiBhashaa：面向印度部落语言机器翻译的社区策展基准
计算与语言
2025-12-05 v1
摘要
大型语言模型和多语言机器翻译（MT）系统日益推动信息获取，但许多部落社区的语言在这些技术中实际上不可见。这种不可见性加剧了教育、治理和数字参与方面现有的结构性不平等。我们提出 AdiBhashaa，一个由社区驱动的倡议，为四种主要印度部落语言——Bhili、Mundari、Gondi 和 Santali——构建了首个开放平行语料库和基线 MT 系统。这项工作结合了与母语者的参与式数据创建、人工参与验证，以及对编码器-解码器 MT 模型和大语言模型的系统评估。除了报告技术发现外，我们还阐述了 AdiBhashaa 如何展示更公平 AI 研究的一种可能模式：它以本地专业知识为中心，培养来自边缘化社区的早期职业研究人员的能力，并将人工验证置于语言技术开发的前沿。
引用
@article{arxiv.2512.04765,
title = {AdiBhashaa: A Community-Curated Benchmark for Machine Translation into Indian Tribal Languages},
author = {Pooja Singh and Sandeep Kumar},
journal= {arXiv preprint arXiv:2512.04765},
year = {2025}
}