bangla

本文提出了HybridRAG-BN，一种用于孟加拉语知识库问答的检索增强框架，该框架结合了混合检索、基于Gemma的生成以及LoRA微调的验证，以F1分数0.71654和0.72912获得第一名。

本文提出了一个统一的用于12种孟加拉地区方言的多方言神经机器翻译系统，引入了迄今最大的多方言平行语料库，并通过使用DoRA微调的BanglaT5模型取得了最先进的BLEU分数。

这篇arXiv论文对五种前沿LLM在原生孟加拉语贬损言语上的表现进行了审计，发现安全对齐未能泛化到低资源语言——尽管有高资源对齐，模型仍以高比率理解和生成不安全内容。作者提出了“理解-遏制解耦”概念，并表明推理和人格框架会进一步瓦解安全过滤器。

介绍了 Khondo，这是首个针对孟加拉国政府表单文档包分割的基准。它是一个原生视觉、双语数据集，涵盖多种连接方案，对 MLLMs 的零样本评估表明，页面顺序重建仍然是一个关键的未解决问题。

本文介绍了一个包含1,516条经专家验证的孟加拉语句子的基准数据集，用于消解文化纠缠的同形词（既是名字又是普通名词的词语）。研究表明，大语言模型存在主导意义偏见，并提出了对比思维链提示和蒸馏方法来减少这种偏见。

提出了BaFCo，一个面向孟加拉语表单理解的基准数据集，重点关注文档布局分析（DLA）和关键信息提取（KIE）。该数据集包含200份多页复杂孟加拉国政府表单，涵盖26种实体类型的细粒度标注，并对多个多模态大型语言模型（MLLMs）进行了评估，揭示了当前模型在理解复杂孟加拉语表单方面的局限性。

本文介绍了一个包含噪声文本（ASR、拼写错误）的孟加拉语事件检测基准，并评估了仅编码器和仅解码器的大语言模型，发现解码器模型对噪声的鲁棒性更强。

本文介绍BLADE，一个文化对齐的指令微调数据集，包含4,196个交互对，用于修复多语言孟加拉语生成中的敬语失误和语用差距。在此数据集上微调DeepSeek-8B和LLaMA-3.2-3B等模型，在结构保真度和敬语对齐方面取得了显著改进。