Maloba

Corpus Tradução · Versão de referência

maloba-llm-alpaca-harmonise

399 pares francês → lingala traduzidos por falantes de lingala, ortografia harmonizada.

Ver no Hugging Face (abre numa nova janela)Todos os corpora

Construção

  • 399 pares francês → lingala traduzidos por falantes de lingala (configuração trd): 288 em treino, 32 em validação, 79 em teste.
  • Transcrições harmonizadas pelo mesmo programa que o corpus de fala; a versão de origem é conservada em maloba-llm-alpaca.

O corpus, em gráfico

Volumetria comparada dos corporaOs quatro corpora de referência do projeto, à mesma escala. O corpus de fala domina em número de elementos; a tradução, o mais pequeno, é o que mais fez progredir o seu modelo.
05 06710 13415 20120 268Fala — segmentos18 767Textos — exemplos anotados4 818Documentos — exemplos467Tradução — pares humanos399

Fonte : Livrable 4, chiffres arrêtés au 2026-09-30

Ver os dados do gráfico
CorpusElementos
Fala — segmentos18 767
Textos — exemplos anotados4 818
Documentos — exemplos467
Tradução — pares humanos399

Limites

  • Conjunto de teste de 79 frases: as diferenças são medidas por bootstrap emparelhado e confirmadas em FLORES+ (1 012 frases).
  • Acrescentar 4 700 pares produzidos por máquina não trouxe nada: só as traduções humanas fazem o modelo progredir.

Citação

Congo Digital Services (2026). maloba-llm-alpaca-harmonise. Hugging Face. Licença NOODL-1.0.