Pesquisadores propõem o CoPiT, um pipeline de tradução baseado em pivô que aborda a escassez de dados do mongol em script tradicional roteando as traduções através do script cirílico, que possui mais recursos. Essa abordagem resolve a ambiguidade induzida pelo script para permitir uma transferência de significado estável e precisa.
- O CoPiT supera consistentemente a tradução direta em vários modelos base e idiomas alvo.
- O método alcança melhorias absolutas substanciais no BLEU com ganhos consistentes de 1.5-1.6x no COMET.
- Esses ganhos permitem que modelos open-source fortes igualem ou superem o GPT-4.1 sob configurações de avaliação comparáveis.
- O CoPiT permite a construção de dados paralelos sintéticos diretamente a partir de texto em script tradicional.
- Os autores lançam um novo conjunto de dados paralelo multi-script cobrindo o mongol em ambos os scripts junto com inglês, coreano e russo.
O CoPiT mitiga a escassez de dados em cenários realistas de poucos recursos ao aproveitar hierarquias internas de recursos, permitindo que modelos open-source compitam com sistemas proprietários.