다양한 언어를 영어로 번역하는 프로젝트에 대한 문제와 해결책을 논의합니다.
사용자는 NMT와 LLM 모델을 사용하여 다국어를 영어로 번역하는 프로젝트를 진행 중입니다. 그러나 이름, 장소, 날짜 등 고유 명사를 처리하는 데 어려움을 겪고 있습니다. NER 모델이 낮은 자원 언어를 포함한 100개 이상의 언어를 지원하지 못해 NER 마스킹 및 플레이스홀더 교체를 시도했지만 여전히 문제가 발생합니다. 독특한 하드웨어 요구 사항을 충족하는 다국어 번역 모델이나 NER 접근법에 대한 솔루션을 질문합니다.
The article discusses challenges in translating various languages into English, focusing on named entities.
The user is working on a project that translates various languages into English using NMT and LLM models. However, they face challenges with proper nouns such as names, places, dates, and organizations. Attempts to use NER masking and placeholder replacement have not resolved the issues, particularly as NER models often fail for low-resource languages. The user seeks better multilingual translation models or NER approaches to effectively handle these challenges.