#multilingual 6 total

AI要約 GitHubがCC0-1.0ライセンスのリポジトリレベルのオープンデータセットを公開した。README・Issue・PRにわたる多言語の開発者コンテンツを含み、研究者や開発者が多言語AIモデルの学習やNLP研究に活用できる。

EN GitHub released a new CC0-1.0 licensed repository-level dataset of multilingual developer content from READMEs, issues, and pull requests, helping researchers and developers train multilingual AI models.

AI要約 同じ情報量の要約を日本語・英語・中国語で生成し、Claude Opus 4.8 のトークン消費を比較した実験。英語が最も少なく、日本語は約1.23倍、中国語は約1.29倍の出力トークンを消費することが確認された。

EN An experiment measuring Claude Opus 4.8 token consumption across English, Japanese, and Chinese found English outputs to be the most token-efficient, with Japanese using ~1.23× and Chinese ~1.29× more output tokens for equivalent information.

AI要約 タジク語に特化した会話型LLMファミリー「Soro」を発表。計算資源やデータが乏しい環境でも実用展開できる軽量設計を採用し、これまで支援の少なかった低リソース言語のNLP普及と実用化を後押しする研究成果である。

EN Researchers introduce Soro, a family of Tajik-specialized conversational LLMs built for real-world deployment under tight compute constraints, advancing practical NLP access for an underserved low-resource language.

AI要約 大規模言語モデルの自己生成応答に報酬スコアで制御した対照性を持たせ、言語をまたいで選好学習する手法CroCoを提案。追加の人手アノテーションなしで多言語アライメントを改善し、低資源言語を含むタスクの精度向上が期待できる。

EN CroCo tunes LLMs via cross-lingual contrastive preference learning on self-generated responses, using reward scores to control contrastiveness and boost multilingual alignment without extra human annotation.

AI要約 英語・韓国語に対応した90億パラメータの音声言語モデル「Raon-Speech」の技術報告。音声理解・応答・生成で高性能を達成。

EN Raon-Speech is a top-performing 9B-parameter speech language model supporting English and Korean speech understanding, answering, and generation tasks.

AI要約 IBMがApache 2.0で公開した「Granite Embedding Multilingual R2」は、100M未満のパラメータながら32Kトークンの長文と12言語に対応し、同規模帯で最高水準の検索品質を達成した。RAG用途に有用だ。

EN IBM released Granite Embedding Multilingual R2 under Apache 2.0: a sub-100M-parameter model supporting 12 languages and 32K-token context, delivering best-in-class retrieval quality for its size, ideal for RAG.