Buchumschlag

Script Sensitivity: Benchmarking Language Models on Unicode, Romanized and Mixed-Script Sinhala

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rajapakse, Minuri, Weerasinghe, Ruvan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SinhalaMMLU: A Comprehensive Benchmark for Evaluating Multitask Language Understanding in Sinhala
von: Pramodya, Ashmari, et al.
Veröffentlicht: (2025)

Swa-bhasha Resource Hub: Romanized Sinhala to Sinhala Transliteration Systems and Data Resources
von: Sumanathilaka, Deshan, et al.
Veröffentlicht: (2025)

SinFoS: A Parallel Dataset for Translating Sinhala Figures of Speech
von: Sofalas, Johan, et al.
Veröffentlicht: (2026)

CORI: CJKV Benchmark with Romanization Integration -- A step towards Cross-lingual Transfer Beyond Textual Scripts
von: Nguyen, Hoang H., et al.
Veröffentlicht: (2024)

Nile-Chat: Egyptian Language Models for Arabic and Latin Scripts
von: Shang, Guokan, et al.
Veröffentlicht: (2025)

The Script Tax: Measuring Tokenization-Driven Efficiency and Latency Disparities in Multilingual Language Models
von: Dixit, Aradhya, et al.
Veröffentlicht: (2026)

Machine-Assisted Script Curation
von: Ciosici, Manuel R., et al.
Veröffentlicht: (2021)

Large Reasoning Models Struggle to Transfer Parametric Knowledge Across Scripts
von: Bandarkar, Lucas, et al.
Veröffentlicht: (2026)

Multi-class Regret Detection in Hindi Devanagari Script
von: Sharma, Renuka, et al.
Veröffentlicht: (2024)

MultiScript30k: Leveraging Multilingual Embeddings to Extend Cross Script Parallel Data
von: Driggers-Ellis, Christopher, et al.
Veröffentlicht: (2025)

NusaAksara: A Multimodal and Multilingual Benchmark for Preserving Indonesian Indigenous Scripts
von: Adilazuarda, Muhammad Farid, et al.
Veröffentlicht: (2025)

Aligned Multi-View Scripts for Universal Chart-to-Code Generation
von: Zhang, Zhihan, et al.
Veröffentlicht: (2026)

S^2tory: Story Spine Distillation for Movie Script Summarization
von: Lu, Mingzhe, et al.
Veröffentlicht: (2026)

AyutthayaAlpha: A Thai-Latin Script Transliteration Transformer
von: Lauc, Davor, et al.
Veröffentlicht: (2024)

A Hybrid Architecture with Efficient Fine Tuning for Abstractive Patent Document Summarization
von: Jayatilleke, Nevidu, et al.
Veröffentlicht: (2025)

Konkani LLM: Multi-Script Instruction Tuning and Evaluation for a Low-Resource Indian Language
von: Fernandes, Reuben Chagas, et al.
Veröffentlicht: (2026)

Exploring the Role of Transliteration in In-Context Learning for Low-resource Languages Written in Non-Latin Scripts
von: Ma, Chunlan, et al.
Veröffentlicht: (2024)

Prompting with Phonemes: Enhancing LLMs' Multilinguality for Non-Latin Script Languages
von: Nguyen, Hoang H, et al.
Veröffentlicht: (2024)

MacroBench: A Novel Testbed for Web Automation Scripts via Large Language Models
von: Kim, Hyunjun, et al.
Veröffentlicht: (2025)

Multimedia Generative Script Learning for Task Planning
von: Wang, Qingyun, et al.
Veröffentlicht: (2022)

Advancements in Natural Language Processing for Automatic Text Summarization
von: Jayatilleke, Nevidu, et al.
Veröffentlicht: (2025)

Keyword Extraction, and Aspect Classification in Sinhala, English, and Code-Mixed Content
von: Rizvi, F. A., et al.
Veröffentlicht: (2025)

A Case Against Implicit Standards: Homophone Normalization in Machine Translation for Languages that use the Ge'ez Script
von: Nigatu, Hellina Hailu, et al.
Veröffentlicht: (2025)

Does Visual Rendering Bypass Tokenization? Investigating Script-Tokenizer Misalignment in Pixel-Based Language Models
von: Susanto, Lucky, et al.
Veröffentlicht: (2026)

CBR-RAG: Case-Based Reasoning for Retrieval Augmented Generation in LLMs for Legal Question Answering
von: Wiratunga, Nirmalie, et al.
Veröffentlicht: (2024)

Enhancing Multilingual Sentiment Analysis with Explainability for Sinhala, English, and Code-Mixed Content
von: Rizvi, Azmarah, et al.
Veröffentlicht: (2025)

InsideOut: Measuring and Mitigating Insider-Outsider Bias in Interview Script Generation
von: Wan, Yixin, et al.
Veröffentlicht: (2025)

GlotOCR Bench: OCR Models Still Struggle Beyond a Handful of Unicode Scripts
von: Kargaran, Amir Hossein, et al.
Veröffentlicht: (2026)

MotionScript: Natural Language Descriptions for Expressive 3D Human Motions
von: Yazdian, Payam Jome, et al.
Veröffentlicht: (2023)

IndoNLP 2025: Shared Task on Real-Time Reverse Transliteration for Romanized Indo-Aryan languages
von: Sumanathilaka, Deshan, et al.
Veröffentlicht: (2025)

MULTISCRIPT: Multimodal Script Learning for Supporting Open Domain Everyday Tasks
von: Qi, Jingyuan, et al.
Veröffentlicht: (2023)

One Script Instead of Hundreds? On Pretraining Romanized Encoder Language Models
von: Ebing, Benedikt, et al.
Veröffentlicht: (2026)

SOLD: Sinhala Offensive Language Dataset
von: Ranasinghe, Tharindu, et al.
Veröffentlicht: (2022)

Emergent Semantics Beyond Token Embeddings: Transformer LMs with Frozen Visual Unicode Representations
von: Bochkov, A.
Veröffentlicht: (2025)

1-800-SHARED-TASKS @ NLU of Devanagari Script Languages: Detection of Language, Hate Speech, and Targets using LLMs
von: Purbey, Jebish, et al.
Veröffentlicht: (2024)

IBSEN: Director-Actor Agent Collaboration for Controllable and Interactive Drama Script Generation
von: Han, Senyu, et al.
Veröffentlicht: (2024)

NSINA: A News Corpus for Sinhala
von: Hettiarachchi, Hansi, et al.
Veröffentlicht: (2024)

ScriptDoctor: Automatic Generation of PuzzleScript Games via Large Language Models and Tree Search
von: Earle, Sam, et al.
Veröffentlicht: (2025)

RomanSetu: Efficiently unlocking multilingual capabilities of Large Language Models via Romanization
von: Husain, Jaavid Aktar, et al.
Veröffentlicht: (2024)

One-Shot Sensitivity-Aware Mixed Sparsity Pruning for Large Language Models
von: Shao, Hang, et al.
Veröffentlicht: (2023)