17:43
官方账号arXiv cs.AI@Avijit Roy, Proma Roy
推荐理由：这篇论文讲孟加拉语在AI基建里的吃亏，67:1的token差距和36.5%的农村联网率是硬数据。
多语语料库
共 1 条相关 AI 资讯
8月13日
17:43
论文以孟加拉语为例，分析AI教育工具在低连接环境中的结构性障碍。孟加拉语占全球人口近4%，但全球网页内容占比不足0.5%。主要多语语料库中，英语与孟加拉语的训练token比例达67:1。孟加拉语的元音附标文字还带来额外的token化惩罚，加剧数据短缺。农村地区个人互联网普及率为36.5%，城市为71.4%，形成连接排斥。