研究人员提出了 CoPiT，一种基于中间语的翻译流水线，通过将翻译路由到资源更丰富的西里尔字母来解决传统蒙古文的数据稀缺问题。这种方法解决了由脚本引起的歧义，从而实现稳定且准确的语义传递。

  • CoPiT 在多个骨干模型和目标语言上始终优于直接翻译。
  • 该方法实现了显著的 BLEU 绝对提升，并且 COMET 增益稳定在 1.5-1.6 倍。
  • 这些增益使得强大的开源模型在可比评估设置下能够匹配或超越 GPT-4.1。
  • CoPiT 允许直接从传统蒙古文文本构建合成平行数据。
  • 作者发布了一个新的多脚本平行数据集，涵盖两种脚本的蒙古语以及英语、韩语和俄语。

CoPiT 通过利用内部资源层级结构，在现实的低资源场景中缓解数据稀缺问题，使开源模型能够与专有系统竞争。