Evaluación e Inducción de Robustez Dialectal en Grandes Modelos de Lenguaje

Resumen

Explore cómo los modelos de lenguaje funcionan en diferentes dialectos y variantes, centrándose en DialUp, un método para inducir robustez a los continuos dialectales en los modelos de traducción automática, incluso para dialectos no vistos.

Programa de estudio

• Introducción y Resumen del Curso
Objetivos y resultados del curso
Importancia de la robustez dialectal en los modelos de lenguaje
• Conceptos Básicos de la Variación Dialectal
Definiciones de dialectos y continuos dialectales
Ejemplos y desafíos que plantean las diferencias dialectales en PLN
• Modelos de Lenguaje y Robustez Dialectal
Panorama de grandes modelos de lenguaje
Limitaciones de los modelos actuales en el manejo de dialectos
• Técnicas de Evaluación de la Robustez Dialectal
Evaluación métrica para el manejo de dialectos
Conjuntos de datos de referencia que presentan variación dialectal
Evaluación cualitativa vs. cuantitativa
• Introducción al Método DialUp
Concepto y principios detrás de DialUp
Estudios de caso que demuestran la eficacia de DialUp
• Implementación de DialUp para Traducción Automática
Visión técnica de la integración de DialUp en modelos
Entrenamiento y validación en múltiples dialectos
• Abordando Dialectos No Vistos
Estrategias para generalizar en datos dialectales no vistos
Técnicas de aprendizaje por transferencia y adaptación de dominio
• Taller Práctico
Ejercicios prácticos sobre la evaluación de la robustez dialectal
Implementación de DialUp en conjuntos de datos de texto proporcionados
• Consideraciones Éticas
Sesgo y equidad en las variaciones dialectales
Sensibilidad cultural y uso informado de los datos
• Proyecto Final
Diseñar e implementar un modelo para mejorar la robustez dialectal usando DialUp
Presentar hallazgos y resultados de rendimiento
• Resumen del Curso y Direcciones Futuras
Resumen de los aprendizajes clave
Tendencias emergentes en la robustez dialectal y PLN

Asignaturas

Ciencias de la Computación