SomaliWeb v1: A Quality-Filtered Somali Web Corpus with a Matched Tokenizer and a Public Language-Identification Benchmark
Fuente:
arXiv
Salvato in:
| Autore principale: | Dahir, Khalid Yusuf |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
SomaliBench Eval: Measuring English-to-Somali Refusal Gaps in Open-Weight Language Models
di: Dahir, Khalid Yusuf
Pubblicazione: (2026)
di: Dahir, Khalid Yusuf
Pubblicazione: (2026)
Temporal Leakage in Search-Engine Date-Filtered Web Retrieval: A Retrospective Forecasting Case Study
di: Lahib, Ali El, et al.
Pubblicazione: (2026)
di: Lahib, Ali El, et al.
Pubblicazione: (2026)
ConQRet: Benchmarking Fine-Grained Evaluation of Retrieval Augmented Argumentation with LLM Judges
di: Dhole, Kaustubh D., et al.
Pubblicazione: (2024)
di: Dhole, Kaustubh D., et al.
Pubblicazione: (2024)
ATANT v1.1: Positioning Continuity Evaluation Against Memory, Long-Context, and Agentic-Memory Benchmarks
di: Tanguturi, Samuel Sameer
Pubblicazione: (2026)
di: Tanguturi, Samuel Sameer
Pubblicazione: (2026)
Teaching a Language Model to Speak the Language of Tools
di: Emanuilov, Simeon
Pubblicazione: (2025)
di: Emanuilov, Simeon
Pubblicazione: (2025)
Improving RAG Retrieval via Propositional Content Extraction: a Speech Act Theory Approach
di: Lima, João Alberto de Oliveira
Pubblicazione: (2025)
di: Lima, João Alberto de Oliveira
Pubblicazione: (2025)
ReaderLM-v2: Small Language Model for HTML to Markdown and JSON
di: Wang, Feng, et al.
Pubblicazione: (2025)
di: Wang, Feng, et al.
Pubblicazione: (2025)
Multi-Task Contrastive Learning for 8192-Token Bilingual Text Embeddings
di: Mohr, Isabelle, et al.
Pubblicazione: (2024)
di: Mohr, Isabelle, et al.
Pubblicazione: (2024)
jina-embeddings-v4: Universal Embeddings for Multimodal Multilingual Retrieval
di: Günther, Michael, et al.
Pubblicazione: (2025)
di: Günther, Michael, et al.
Pubblicazione: (2025)
jina-embeddings-v3: Multilingual Embeddings With Task LoRA
di: Sturua, Saba, et al.
Pubblicazione: (2024)
di: Sturua, Saba, et al.
Pubblicazione: (2024)
Efficient Knowledge Feeding to Language Models: A Novel Integrated Encoder-Decoder Architecture
di: Kumar, S Santosh, et al.
Pubblicazione: (2025)
di: Kumar, S Santosh, et al.
Pubblicazione: (2025)
jina-reranker-v3: Last but Not Late Interaction for Listwise Document Reranking
di: Wang, Feng, et al.
Pubblicazione: (2025)
di: Wang, Feng, et al.
Pubblicazione: (2025)
Jina-ColBERT-v2: A General-Purpose Multilingual Late Interaction Retriever
di: Jha, Rohan, et al.
Pubblicazione: (2024)
di: Jha, Rohan, et al.
Pubblicazione: (2024)
Overview of the ClinIQLink 2025 Shared Task on Medical Question-Answering
di: Colelough, Brandon, et al.
Pubblicazione: (2025)
di: Colelough, Brandon, et al.
Pubblicazione: (2025)
EnterpriseEM: Fine-tuned Embeddings for Enterprise Semantic Search
di: Rathinasamy, Kamalkumar, et al.
Pubblicazione: (2024)
di: Rathinasamy, Kamalkumar, et al.
Pubblicazione: (2024)
DeepSlide: From Artifacts to Presentation Delivery
di: Yang, Ming, et al.
Pubblicazione: (2026)
di: Yang, Ming, et al.
Pubblicazione: (2026)
Comparative Performance of Advanced NLP Models and LLMs in Multilingual Geo-Entity Detection
di: Kopanov, Kalin
Pubblicazione: (2024)
di: Kopanov, Kalin
Pubblicazione: (2024)
SegNSP: Revisiting Next Sentence Prediction for Linear Text Segmentation
di: Isidro, José, et al.
Pubblicazione: (2026)
di: Isidro, José, et al.
Pubblicazione: (2026)
A Comparative Analysis of Retrieval-Augmented Generation Techniques for Bengali Standard-to-Dialect Machine Translation Using LLMs
di: Sami, K. M. Jubair, et al.
Pubblicazione: (2025)
di: Sami, K. M. Jubair, et al.
Pubblicazione: (2025)
Confident, Calibrated, or Complicit: Safety Alignment and Ideological Bias in LLM Hate Speech Detection
di: Selvaganapathy, Sanjeeevan, et al.
Pubblicazione: (2025)
di: Selvaganapathy, Sanjeeevan, et al.
Pubblicazione: (2025)
MATH-PT: A Math Reasoning Benchmark for European and Brazilian Portuguese
di: Teixeira, Tiago, et al.
Pubblicazione: (2026)
di: Teixeira, Tiago, et al.
Pubblicazione: (2026)
Graph Your Way to Inspiration: Integrating Co-Author Graphs with Retrieval-Augmented Generation for Large Language Model Based Scientific Idea Generation
di: Xie, Pengzhen, et al.
Pubblicazione: (2025)
di: Xie, Pengzhen, et al.
Pubblicazione: (2025)
RAGSmith: A Framework for Finding the Optimal Composition of Retrieval-Augmented Generation Methods Across Datasets
di: Kartal, Muhammed Yusuf, et al.
Pubblicazione: (2025)
di: Kartal, Muhammed Yusuf, et al.
Pubblicazione: (2025)
Document Understanding for Healthcare Referrals
di: Mistry, Jimit, et al.
Pubblicazione: (2023)
di: Mistry, Jimit, et al.
Pubblicazione: (2023)
A Semantic Approach to Negation Detection and Word Disambiguation with Natural Language Processing
di: Okpala, Izunna, et al.
Pubblicazione: (2023)
di: Okpala, Izunna, et al.
Pubblicazione: (2023)
ARAGOG: Advanced RAG Output Grading
di: Eibich, Matouš, et al.
Pubblicazione: (2024)
di: Eibich, Matouš, et al.
Pubblicazione: (2024)
Retrieval-Enhanced Named Entity Recognition
di: Shiraishi, Enzo, et al.
Pubblicazione: (2024)
di: Shiraishi, Enzo, et al.
Pubblicazione: (2024)
Leveraging Retrieval Augmented Generative LLMs For Automated Metadata Description Generation to Enhance Data Catalogs
di: Singh, Mayank, et al.
Pubblicazione: (2025)
di: Singh, Mayank, et al.
Pubblicazione: (2025)
Building Entity Association Mining Framework for Knowledge Discovery
di: Rawal, Anshika, et al.
Pubblicazione: (2025)
di: Rawal, Anshika, et al.
Pubblicazione: (2025)
WebMap -- Large Language Model-assisted Semantic Link Induction in the Web
di: Pokharel, Shiraj, et al.
Pubblicazione: (2025)
di: Pokharel, Shiraj, et al.
Pubblicazione: (2025)
Semantic Caching of Contextual Summaries for Efficient Question-Answering with Language Models
di: Couturier, Camille, et al.
Pubblicazione: (2025)
di: Couturier, Camille, et al.
Pubblicazione: (2025)
skLEP: A Slovak General Language Understanding Benchmark
di: Šuppa, Marek, et al.
Pubblicazione: (2025)
di: Šuppa, Marek, et al.
Pubblicazione: (2025)
Enabling Low-Resource Language Retrieval: Establishing Baselines for Urdu MS MARCO
di: Butt, Umer, et al.
Pubblicazione: (2024)
di: Butt, Umer, et al.
Pubblicazione: (2024)
A Language Model based Framework for New Concept Placement in Ontologies
di: Dong, Hang, et al.
Pubblicazione: (2024)
di: Dong, Hang, et al.
Pubblicazione: (2024)
XPath Agent: An Efficient XPath Programming Agent Based on LLM for Web Crawler
di: Li, Yu, et al.
Pubblicazione: (2024)
di: Li, Yu, et al.
Pubblicazione: (2024)
WebArXiv: Evaluating Multimodal Agents on Time-Invariant arXiv Tasks
di: Sun, Zihao, et al.
Pubblicazione: (2025)
di: Sun, Zihao, et al.
Pubblicazione: (2025)
KGiRAG: An Iterative GraphRAG Approach for Responding Sensemaking Queries
di: Iacob, Isabela, et al.
Pubblicazione: (2026)
di: Iacob, Isabela, et al.
Pubblicazione: (2026)
CogCanvas: Verbatim-Grounded Artifact Extraction for Long LLM Conversations
di: An, Tao
Pubblicazione: (2025)
di: An, Tao
Pubblicazione: (2025)
Detection of ChatGPT Fake Science with the xFakeSci Learning Algorithm
di: Hamed, Ahmed Abdeen, et al.
Pubblicazione: (2023)
di: Hamed, Ahmed Abdeen, et al.
Pubblicazione: (2023)
Benchmarking Retrieval Strategies for Biomedical Retrieval-Augmented Generation: A Controlled Empirical Study
di: Bal, Devi Prasad, et al.
Pubblicazione: (2026)
di: Bal, Devi Prasad, et al.
Pubblicazione: (2026)
Documenti analoghi
-
SomaliBench Eval: Measuring English-to-Somali Refusal Gaps in Open-Weight Language Models
di: Dahir, Khalid Yusuf
Pubblicazione: (2026) -
Temporal Leakage in Search-Engine Date-Filtered Web Retrieval: A Retrospective Forecasting Case Study
di: Lahib, Ali El, et al.
Pubblicazione: (2026) -
ConQRet: Benchmarking Fine-Grained Evaluation of Retrieval Augmented Argumentation with LLM Judges
di: Dhole, Kaustubh D., et al.
Pubblicazione: (2024) -
ATANT v1.1: Positioning Continuity Evaluation Against Memory, Long-Context, and Agentic-Memory Benchmarks
di: Tanguturi, Samuel Sameer
Pubblicazione: (2026) -
Teaching a Language Model to Speak the Language of Tools
di: Emanuilov, Simeon
Pubblicazione: (2025)