Los investigadores proponen CoPiT, una canalización de traducción basada en pivote que aborda la escasez de datos del mongol con escritura tradicional enrutando las traducciones a través del alfabeto cirílico, que tiene más recursos. Este enfoque resuelve la ambigüedad inducida por el guion para permitir una transferencia de significado estable y precisa.
- CoPiT supera consistentemente a la traducción directa en múltiples modelos base e idiomas objetivo.
- El método logra mejoras absolutas sustanciales en BLEU con ganancias constantes de COMET de 1.5-1.6x.
- Estas ganancias permiten que los modelos de código abierto fuertes igualen o superen a GPT-4.1 bajo configuraciones de evaluación comparables.
- CoPiT permite la construcción de datos paralelos sintéticos directamente desde texto en escritura tradicional.
- Los autores publican un nuevo conjunto de datos paralelo multi-guion que cubre el mongol en ambos guiones junto con inglés, coreano y ruso.
CoPiT mitiga la escasez de datos en escenarios realistas de bajos recursos aprovechando las jerarquías internas de recursos, permitiendo que los modelos de código abierto compitan con sistemas propietarios.