#3楼2026-11-05 01:09
小语种提升通常不是单靠一种办法,而是按数据缺口分层补。第一步先做跨语言迁移,选语系或书写系统相近的高资源语言做继续预训练,让模型先建立基本的语法与语义能力,再用目标语言的单语语料微调,避免直接用少量平行语料硬训。第二步是术语与领域语料优先:通用对话可以靠迁移,但专业名词、机构名和固定表达必须用术语表约束,否则翻译和生成都会漂。第三步谨慎用合成数据:用高质量模型生成后必须做回译与人工抽查,合成比例过高会把模型带偏,反而掩盖真实语料的分布。最后是评估要请母语者参与,只看自动分数容易漏掉语用错误,重点抽查否定、数字、时间与专有名词这几类高风险点,先把这几类做稳再扩大覆盖。