МГУ (Московский государственный университет имени М. В. Ломоносова) и Yandex сделали 1-ый открытый датасет для обучения нейросетей сложным правилам российского языка

Исследователи Института искусственного ума МГУ (Московский государственный университет имени М. В. Ломоносова) и Yandex’а сделали LORuGEC – 1-ый открытый набор данных с примерами ошибок по сложным правилам российского языка. Они также разработали способ, который помогает дообучить нейросети и повысить точность исправлений на 5–10%. Разработки находятся в открытом доступе, их можно применять к примеру, для сотворения образовательных сервисов.

Статья о датасете и способе дообучения нейросетей получила приз за наилучшую работу на воркшопе по инноваторскому использованию ИИ в образовании, который прошел в рамках интернациональной конференции по компьютерной лингвистике ACL 2025.

Неувязка имеющихся языковых моделей заключается в ошибках при работе со сложными правилами российского языка, которые инспектируют в том числе на ЕГЭ и олимпиадах. LORuGEC обхватывает 48 правил российского языка. Всего в датасет вошло практически 1000 предложений, каждое из которых соединено с определенной языковой нормой.

Yandex уже протестировал новейший способ на собственных моделях YandexGPT 5 Lite и YandexGPT 5 Pro и забугорных аналогах, подтвердив универсальность подхода. Благодаря новенькому способу нейросети лучше исправляют ошибки.

Напомним, ранее Yandex B2B Tech открыл для бизнеса доступ к Alice AI.

Оригинал анонсы на SEOnews

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *