A prototype system for obtaining and managing training data for multilingual learning

Información del proyecto

Data4ML

Identificador del acuerdo de subvención: 101113091

DOI

10.3030/101113091

Proyecto cerrado

Fecha de la firma de la CE 30 Marzo 2023

Fecha de inicio 1 Octubre 2023

Fecha de finalización 30 Septiembre 2025

Financiado con arreglo a

• European Research Council (ERC)

Coste total

Sin datos

Aportación de la UE

€ 150 000,00

Coordinado por

TECHNISCHE UNIVERSITAET MUENCHEN
Germany

CORDIS proporciona enlaces a los documentos públicos y las publicaciones de los proyectos de los programas marco HORIZONTE.

Los enlaces a los documentos y las publicaciones de los proyectos del Séptimo Programa Marco, así como los enlaces a algunos tipos de resultados específicos, como conjuntos de datos y «software», se obtienen dinámicamente de OpenAIRE .

Resultado final

Data Management Plan (1)

Data Management Plan

Publicaciones

Conference proceedings (5)

EXECUTE: A Multilingual Benchmark for LLM Token Understanding

Autores: Lukas Edman, Helmut Schmid, Alexander Fraser
Publicado en: Findings of the Association for Computational Linguistics: ACL 2025, 2025
Editor: Association for Computational Linguistics
DOI: 10.18653/V1/2025.FINDINGS-ACL.95

From Unaligned to Aligned: Scaling Multilingual LLMs with Multi-Way Parallel Corpora

Autores: Yingli Shen, Wen Lai, Shuo Wang, Ge Gao, Kangyang Luo, Alexander Fraser, Maosong Sun
Publicado en: Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing, 2025
Editor: Association for Computational Linguistics
DOI: 10.18653/V1/2025.EMNLP-MAIN.374

Improving Parallel Sentence Mining for Low-Resource and Endangered Languages

Autores: Shu Okabe, Katharina Hämmerl, Alexander Fraser
Publicado en: Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers), 2025
Editor: Association for Computational Linguistics
DOI: 10.18653/V1/2025.ACL-SHORT.17

Mask and You Shall Receive: Optimizing Masked Language Modeling For Pretraining BabyLMs

Autores: Lukas Edman, Alexander Fraser
Publicado en: Proceedings of the First BabyLM Workshop, 2025
Editor: Association for Computational Linguistics
DOI: 10.18653/V1/2025.BABYLM-MAIN.31

Findings of the WMT 2025 Shared Task LLMs with Limited Resources for Slavic Languages: MT and QA

Autores: Shu Okabe, Daryna Dementieva, Marion Di Marco, Lukas Edman, Katharina Haemmerl, Marko Měškank, Anita Hendrichowa, Alexander Fraser
Publicado en: Proceedings of the Tenth Conference on Machine Translation, 2025
Editor: Association for Computational Linguistics
DOI: 10.18653/V1/2025.WMT-1.27