Copertina

UPRPRC: Unified Pipeline for Reproducing Parallel Resources -- Corpus from the United Nations

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Lu, Qiuyang, Shen, Fangjian, Tang, Zhengkai, Liu, Qiang, Cheng, Hexuan, Liu, Hui, Wen, Wushao
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computation and Language Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

PashtoCorp: A 1.25-Billion-Word Corpus, Evaluation Suite, and Reproducible Pipeline for Low-Resource Language Development
di: Rahman, Hanif
Pubblicazione: (2026)

Gumbel Distillation for Parallel Text Generation
di: Zhang, Chi, et al.
Pubblicazione: (2026)

REA-RL: Reflection-Aware Online Reinforcement Learning for Efficient Reasoning
di: Deng, Hexuan, et al.
Pubblicazione: (2025)

BanglaSTEM: A Parallel Corpus for Technical Domain Bangla-English Translation
di: Hasan, Kazi Reyazul, et al.
Pubblicazione: (2025)

Pipeline Parallelism with Controllable Memory
di: Qi, Penghui, et al.
Pubblicazione: (2024)

Parallel Scaling Law for Language Models
di: Chen, Mouxiang, et al.
Pubblicazione: (2025)

Meta4XNLI: A Crosslingual Parallel Corpus for Metaphor Detection and Interpretation
di: Sanchez-Bayona, Elisa, et al.
Pubblicazione: (2024)

The Thiomi Dataset: A Large-Scale Multimodal Corpus for Low-Resource African Languages
di: Mutisya, Hillary, et al.
Pubblicazione: (2026)

AgentOhana: Design Unified Data and Training Pipeline for Effective Agent Learning
di: Zhang, Jianguo, et al.
Pubblicazione: (2024)

JORA: JAX Tensor-Parallel LoRA Library for Retrieval Augmented Fine-Tuning
di: Tahir, Anique, et al.
Pubblicazione: (2024)

NepTam: A Nepali-Tamang Parallel Corpus and Baseline Machine Translation Experiments
di: Ghimire, Rupak Raj, et al.
Pubblicazione: (2026)

Adapting Multilingual LLMs to Low-Resource Languages using Continued Pre-training and Synthetic Corpus
di: Joshi, Raviraj, et al.
Pubblicazione: (2024)

Re-evaluating the Memory-balanced Pipeline Parallelism: BPipe
di: Huang, Mincong, et al.
Pubblicazione: (2024)

Scaling Deep Learning Training with MPMD Pipeline Parallelism
di: Xhebraj, Anxhelo, et al.
Pubblicazione: (2024)

Linear Attention Sequence Parallelism
di: Sun, Weigao, et al.
Pubblicazione: (2024)

A Hybrid Protocol for Large-Scale Semantic Dataset Generation in Low-Resource Languages: The Turkish Semantic Relations Corpus
di: Tosun, Ebubekir, et al.
Pubblicazione: (2026)

AutoDetect: Towards a Unified Framework for Automated Weakness Detection in Large Language Models
di: Cheng, Jiale, et al.
Pubblicazione: (2024)

The Moral Foundations Weibo Corpus
di: Cao, Renjie, et al.
Pubblicazione: (2024)

MDCure: A Scalable Pipeline for Multi-Document Instruction-Following
di: Liu, Gabrielle Kaili-May, et al.
Pubblicazione: (2024)

Towards Knowledge Checking in Retrieval-augmented Generation: A Representation Perspective
di: Zeng, Shenglai, et al.
Pubblicazione: (2024)

CIDER: A Causal Cure for Brand-Obsessed Text-to-Image Models
di: Shen, Fangjian, et al.
Pubblicazione: (2025)

VietMix: A Naturally-Occurring Parallel Corpus and Augmentation Framework for Vietnamese-English Code-Mixed Machine Translation
di: Tran, Hieu, et al.
Pubblicazione: (2025)

A Unified View of Delta Parameter Editing in Post-Trained Large-Scale Models
di: Tang, Qiaoyu, et al.
Pubblicazione: (2024)

DeepRTL: Bridging Verilog Understanding and Generation with a Unified Representation Model
di: Liu, Yi, et al.
Pubblicazione: (2025)

Deterministic Inference across Tensor Parallel Sizes That Eliminates Training-Inference Mismatch
di: Zhang, Ziyang, et al.
Pubblicazione: (2025)

Parallelizing Linear Transformers with the Delta Rule over Sequence Length
di: Yang, Songlin, et al.
Pubblicazione: (2024)

PMKLC: Parallel Multi-Knowledge Learning-based Lossless Compression for Large-Scale Genomics Database
di: Sun, Hui, et al.
Pubblicazione: (2025)

Multilingual Safety Alignment via Self-Distillation
di: Qin, Ruiyang, et al.
Pubblicazione: (2026)

Prune-Quantize-Distill: An Ordered Pipeline for Efficient Neural Network Compression
di: Zhou, Longsheng, et al.
Pubblicazione: (2026)

Prism: A Plug-in Reproducible Infrastructure for Scalable Multimodal Continual Instruction Tuning
di: Tang, Jun-Tao, et al.
Pubblicazione: (2026)

MathPile: A Billion-Token-Scale Pretraining Corpus for Math
di: Wang, Zengzhi, et al.
Pubblicazione: (2023)

The Moral Foundations Reddit Corpus
di: Trager, Jackson, et al.
Pubblicazione: (2022)

From Parameters to Data: A Task-Parameter-Guided Fine-Tuning Pipeline for Efficient LLM Alignment
di: Chen, Hao, et al.
Pubblicazione: (2026)

EuroSpeech: A Multilingual Speech Corpus
di: Pfisterer, Samuel, et al.
Pubblicazione: (2025)

UFT: Unifying Supervised and Reinforcement Fine-Tuning
di: Liu, Mingyang, et al.
Pubblicazione: (2025)

ParallelSpec: Parallel Drafter for Efficient Speculative Decoding
di: Xiao, Zilin, et al.
Pubblicazione: (2024)

Cut Your Losses! Learning to Prune Paths Early for Efficient Parallel Reasoning
di: Bi, Jiaxi, et al.
Pubblicazione: (2026)

Pipeline Analysis for Developing Instruct LLMs in Low-Resource Languages: A Case Study on Basque
di: Corral, Ander, et al.
Pubblicazione: (2024)

Determinants of Training Corpus Size for Clinical Text Classification
di: Chaturvedi, Jaya, et al.
Pubblicazione: (2026)

FlashEvaluator: Expanding Search Space with Parallel Evaluation
di: Feng, Chao, et al.
Pubblicazione: (2026)