khmer

本文介绍了KSE-Web，一项针对低资源柬埔寨语语义搜索的混合检索与LLM辅助查询扩展分析研究。研究通过构建一个数据集，评估了BM25、稠密检索以及混合检索方法，发现BM25表现最佳，同时LLM查询扩展在柬埔寨语应用中存在局限性。

介绍了首个面向占语、高棉语和岱侬语的多语种语料库及基准 CKTN，通过一种文字感知的适配方案来解决多语种编码器中的碎片化问题。

本文研究了VoxCPM2 TTS模型的LoRA微调，以改善低资源语言（如高棉语）的质量，同时显示对于基础模型已处理良好的韩语没有提升。该适配器在极少的参数训练下，显著提高了高棉语的MOS评分。

本文对电信领域高棉语检索增强问答中的嵌入模型和生成器后端进行了比较评估，发现BGE-M3在检索方面表现最佳，而生成器的优势因指标而异。