Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

ATHAR: A High-Quality and Diverse Dataset for Classical Arabic to English Translation

Created by
  • Haebom

저자

Mohammed Khalil, Mohammed Sabry

개요

본 논문은 고전 아랍어 문헌의 영어 번역을 위한 대규모 고품질 데이터셋인 ATHAR를 소개한다. 고전 아랍어 문헌의 중요성과 번역의 필요성을 강조하며, 기존의 제한적인 데이터셋의 문제점을 지적한다. ATHAR 데이터셋은 과학, 문화, 철학 등 다양한 분야를 포함하는 6,6000개의 고품질 번역 샘플로 구성되어 있으며, 최신 대규모 언어 모델(LLM)의 성능 평가를 통해 해당 데이터셋의 필요성과 활용 가능성을 보여준다. HuggingFace Data Hub에서 공개적으로 이용 가능하다.

시사점, 한계점

시사점: 고전 아랍어 번역 연구에 필수적인 대규모 고품질 데이터셋을 제공하여, LLM 기반 번역 시스템의 성능 향상에 기여할 수 있다. 다양한 분야를 아우르는 데이터셋 구성으로, 고전 아랍어 문헌의 접근성을 높이고 지식 확산에 기여할 수 있다. LLM의 fine-tuning 및 pre-training에 활용 가능성을 제시한다.
한계점: 데이터셋의 규모가 아직 충분하지 않을 수 있으며, 데이터셋의 질적 편향이나 불균형에 대한 추가적인 분석이 필요할 수 있다. 다른 언어로의 번역 확장에 대한 고려가 필요하다.
👍