Automatic register identification for the open web using multilingual deep learning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Henriksson, Erik, Myntti, Amanda, Hellström, Saara, Eskelinen, Anni, Erten-Johansson, Selcen, Laippala, Veronika |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Register Always Matters: Analysis of LLM Pretraining Data Through the Lens of Language Variation
par: Myntti, Amanda, et autres
Publié: (2025)
par: Myntti, Amanda, et autres
Publié: (2025)
Structure Retention in Embedding Spaces as a Predictor of Benchmark Performance
par: Myntti, Amanda, et autres
Publié: (2026)
par: Myntti, Amanda, et autres
Publié: (2026)
Hopes and Fears -- Emotion Distribution in the Topic Landscape of Finnish Parliamentary Speech 2000-2020
par: Ristilä, Anna, et autres
Publié: (2026)
par: Ristilä, Anna, et autres
Publié: (2026)
FinerWeb-10BT: Refining Web Data with LLM-Based Line-Level Filtering
par: Henriksson, Erik, et autres
Publié: (2025)
par: Henriksson, Erik, et autres
Publié: (2025)
SENSE models: an open source solution for multilingual and multimodal semantic-based tasks
par: Mdhaffar, Salima, et autres
Publié: (2025)
par: Mdhaffar, Salima, et autres
Publié: (2025)
OpenStaxQA: A multilingual dataset based on open-source college textbooks
par: Gupta, Pranav
Publié: (2025)
par: Gupta, Pranav
Publié: (2025)
On the limited utility of parallel data for learning shared multilingual representations
par: Leino, Julius, et autres
Publié: (2026)
par: Leino, Julius, et autres
Publié: (2026)
SRS-Stories: Vocabulary-constrained multilingual story generation for language learning
par: Kamzela, Wiktor, et autres
Publié: (2025)
par: Kamzela, Wiktor, et autres
Publié: (2025)
An Expanded Massive Multilingual Dataset for High-Performance Language Technologies (HPLT)
par: Burchell, Laurie, et autres
Publié: (2025)
par: Burchell, Laurie, et autres
Publié: (2025)
The Impact of Steering Large Language Models with Persona Vectors in Educational Applications
par: Wu, Yongchao, et autres
Publié: (2026)
par: Wu, Yongchao, et autres
Publié: (2026)
MultiCaption: Detecting disinformation using multilingual visual claims
par: Frade, Rafael Martins, et autres
Publié: (2026)
par: Frade, Rafael Martins, et autres
Publié: (2026)
Figurative Archive: an open dataset and web-based application for the study of metaphor
par: Bressler, Maddalena, et autres
Publié: (2025)
par: Bressler, Maddalena, et autres
Publié: (2025)
Utilizing deep learning models for the identification of enhancers and super-enhancers based on genomic and epigenomic features
par: Ahani, Zahra, et autres
Publié: (2024)
par: Ahani, Zahra, et autres
Publié: (2024)
Feature engineering vs. deep learning for paper section identification: Toward applications in Chinese medical literature
par: Zhou, Sijia, et autres
Publié: (2024)
par: Zhou, Sijia, et autres
Publié: (2024)
Hate speech detection in algerian dialect using deep learning
par: Lanasri, Dihia, et autres
Publié: (2023)
par: Lanasri, Dihia, et autres
Publié: (2023)
Morphosyntactic probing of multilingual BERT models
par: Acs, Judit, et autres
Publié: (2023)
par: Acs, Judit, et autres
Publié: (2023)
Data-Constrained Synthesis of Training Data for De-Identification
par: Vakili, Thomas, et autres
Publié: (2025)
par: Vakili, Thomas, et autres
Publié: (2025)
Efficient Text Classification with Conformal In-Context Learning
par: Pantelidis, Ippokratis, et autres
Publié: (2025)
par: Pantelidis, Ippokratis, et autres
Publié: (2025)
The single-use restriction for register automata and transducers over infinite alphabets
par: Stefański, Rafał
Publié: (2024)
par: Stefański, Rafał
Publié: (2024)
Evaluating the Reliability of Self-Explanations in Large Language Models
par: Randl, Korbinian, et autres
Publié: (2024)
par: Randl, Korbinian, et autres
Publié: (2024)
Continuous sentiment scores for literary and multilingual contexts
par: Lyngbaek, Laurits, et autres
Publié: (2025)
par: Lyngbaek, Laurits, et autres
Publié: (2025)
Determination of language families using deep learning
par: Lerner, Peter B.
Publié: (2024)
par: Lerner, Peter B.
Publié: (2024)
Does language matter for spoken word classification? A multilingual generative meta-learning approach
par: Ziki, Batsirayi Mupamhi, et autres
Publié: (2026)
par: Ziki, Batsirayi Mupamhi, et autres
Publié: (2026)
HPLT 3.0: Very Large-Scale Multilingual Resources for LLMs and MT. Mono- and Bi-lingual Data, Multilingual Evaluation, and Pre-Trained Models
par: Oepen, Stephan, et autres
Publié: (2025)
par: Oepen, Stephan, et autres
Publié: (2025)
Automatic Classification of Pedagogical Materials against CS Curriculum Guidelines
par: Saule, Erik, et autres
Publié: (2026)
par: Saule, Erik, et autres
Publié: (2026)
Understanding the role of FFNs in driving multilingual behaviour in LLMs
par: Bhattacharya, Sunit, et autres
Publié: (2024)
par: Bhattacharya, Sunit, et autres
Publié: (2024)
The correlation between nativelike selection and prototypicality: a multilingual onomasiological case study using semantic embedding
par: Zhang, Huasheng
Publié: (2024)
par: Zhang, Huasheng
Publié: (2024)
Retrieval-augmented generation in multilingual settings
par: Chirkova, Nadezhda, et autres
Publié: (2024)
par: Chirkova, Nadezhda, et autres
Publié: (2024)
EuroGEST: Investigating gender stereotypes in multilingual language models
par: Rowe, Jacqueline, et autres
Publié: (2025)
par: Rowe, Jacqueline, et autres
Publié: (2025)
A multilingual hallucination benchmark: MultiWikiQHalluA
par: Thoresen, Freja, et autres
Publié: (2026)
par: Thoresen, Freja, et autres
Publié: (2026)
SemEval-2025 Task 9: The Food Hazard Detection Challenge
par: Randl, Korbinian, et autres
Publié: (2025)
par: Randl, Korbinian, et autres
Publié: (2025)
Investigating the interaction of linguistic and mathematical reasoning in language models using multilingual number puzzles
par: Bhattacharya, Antara Raaghavi, et autres
Publié: (2025)
par: Bhattacharya, Antara Raaghavi, et autres
Publié: (2025)
CICLe: Conformal In-Context Learning for Largescale Multi-Class Food Risk Classification
par: Randl, Korbinian, et autres
Publié: (2024)
par: Randl, Korbinian, et autres
Publié: (2024)
Towards a resource for multilingual lexicons: an MT assisted and human-in-the-loop multilingual parallel corpus with multi-word expression annotation
par: Han, Lifeng, et autres
Publié: (2020)
par: Han, Lifeng, et autres
Publié: (2020)
Scaling Down Semantic Leakage: Investigating Associative Bias in Smaller Language Models
par: Smilga, Veronika
Publié: (2025)
par: Smilga, Veronika
Publié: (2025)
Neuron Specialization: Leveraging intrinsic task modularity for multilingual machine translation
par: Tan, Shaomu, et autres
Publié: (2024)
par: Tan, Shaomu, et autres
Publié: (2024)
Understanding the effects of language-specific class imbalance in multilingual fine-tuning
par: Jung, Vincent, et autres
Publié: (2024)
par: Jung, Vincent, et autres
Publié: (2024)
GLeMM: A large-scale multilingual dataset for morphological research
par: Nabil, Hathout, et autres
Publié: (2026)
par: Nabil, Hathout, et autres
Publié: (2026)
Bisimilarity in fresh-register automata
par: Murawski, Andrzej S., et autres
Publié: (2020)
par: Murawski, Andrzej S., et autres
Publié: (2020)
Lost in translation: using global fact-checks to measure multilingual misinformation prevalence, spread, and evolution
par: Quelle, Dorian, et autres
Publié: (2023)
par: Quelle, Dorian, et autres
Publié: (2023)
Documents similaires
-
Register Always Matters: Analysis of LLM Pretraining Data Through the Lens of Language Variation
par: Myntti, Amanda, et autres
Publié: (2025) -
Structure Retention in Embedding Spaces as a Predictor of Benchmark Performance
par: Myntti, Amanda, et autres
Publié: (2026) -
Hopes and Fears -- Emotion Distribution in the Topic Landscape of Finnish Parliamentary Speech 2000-2020
par: Ristilä, Anna, et autres
Publié: (2026) -
FinerWeb-10BT: Refining Web Data with LLM-Based Line-Level Filtering
par: Henriksson, Erik, et autres
Publié: (2025) -
SENSE models: an open source solution for multilingual and multimodal semantic-based tasks
par: Mdhaffar, Salima, et autres
Publié: (2025)