BM25 и Gemini 2.5 Flash для перевода индийских языков: новый подход от UF
**⚠️ Status: preprint This article is based on a preprint published on arXiv. The work may not have undergone independent peer review. Conclusions reflect the authors' position.
Что произошло
Команда University of Florida Gators подготовила систему для задачи WMT26 по переводу низкоресурсных индийских языков. Система переводит с английского на 11 языков северо-восточной Индии и обратно. Используется retrieval-augmented many-shot pipeline, ранее применённый в AmericasNLP 2026. На этапе инференса BM25 извлекает наиболее релевантные параллельные примеры из языкового банка, после чего Gemini 2.5 Flash переводит входной текст с учётом этих примеров. Дообучение модели не проводится.
Что изменилось по сравнению с предыдущей версией
Система основана на том же retrieval-augmented many-shot подходе, что и решение для AmericasNLP 2026, но адаптирована для 11 новых языков северо-восточной Индии. Вместо дообучения используется контекстное обучение на извлечённых примерах.
Цены и доступность
Работа опубликована в виде препринта arXiv (arXiv:2608.13722v1). Подробности о коммерческой доступности не раскрываются. Для работы требуется доступ к Gemini 2.5 Flash.
Почему это важно
Метод позволяет эффективно переводить низкоресурсные языки без дорогостоящего дообучения моделей. Использование BM25 для ретрива и Gemini 2.5 Flash для перевода показывает, как комбинировать классические информационно-поисковые методы с современными LLM для решения задач с ограниченными данными.
Для пользователей AI-Sphere
Если вы работаете с низкоресурсными языками или переводами в условиях ограниченных данных, этот подход может быть полезен. Он не требует дообучения и опирается на открытые корпуса, включая Samanantar и данные прошлых WMT. Для воспроизведения потребуется доступ к Gemini 2.5 Flash.