BharatSetu发布22种印度语言语料库

2026年10月15日，arXiv Artificial Intelligence刊出Haq Nawaz Malik等人的报道，发布BharatSetu 22-Indic 1M平行语料库。据该报道，这是一个按行对齐的表格，包含984,764条英文句子，每句经sarvamai/sarvam-translate模型族翻译为全部22种印度宪法附表语言，共21,664,808个Indic单元格。报道称该语料库为机器生成、未经人工核验，质量预计因语言、领域和句式而异，经枢轴生成的句对可能继承两侧错误；因此发布方将其作为机器层发布，并提出以相同行标识为键的人工校正层，使每个被校正的列可升级使用该列的所有句对，同时给出评估协议。报道明确表示未报告任何翻译质量结果。目前进展停留在语料库发布与人工校正层、评估协议的提出阶段。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。