Les chercheurs proposent CoPiT, un pipeline de traduction basé sur un pivot qui traite la pénurie de données du mongol en écriture traditionnelle en acheminant les traductions via l'écriture cyrillique, plus riche en ressources. Cette approche résout l'ambiguïté induite par l'écriture pour permettre un transfert de sens stable et précis.
- CoPiT surpasse systématiquement la traduction directe sur plusieurs modèles de base et langues cibles.
- La méthode obtient des améliorations absolues substantielles de BLEU avec des gains COMET constants de 1,5 à 1,6 fois.
- Ces gains permettent aux modèles open-source puissants d'égaler ou de surpasser GPT-4.1 dans des conditions d'évaluation comparables.
- CoPiT permet la construction de données parallèles synthétiques directement à partir de textes en écriture traditionnelle.
- Les auteurs publient un nouveau jeu de données parallèles multi-scripts couvrant le mongol dans les deux écritures ainsi que l'anglais, le coréen et le russe.
CoPiT atténue la pénurie de données dans des scénarios réalistes à faible ressource en exploitant les hiérarchies de ressources internes, permettant aux modèles open-source de rivaliser avec les systèmes propriétaires.