ScholarGate
Asistenti
Machine learningDeep learning / NLP / CV

Transformer Multilingual

Një transformer multilingual është një model gjuhësor i paratrajnuar i ndërtuar mbi arkitekturën transformer dhe i trajnuar në mënyrë të përbashkët në tekst nga dhjetëra deri në mbi njëqind gjuhë. Modele të tilla si mBERT dhe XLM-RoBERTa mësojnë përfaqësime të përbashkëta ndër-gjuhësore, duke mundësuar transferimin zero-shot ose few-shot: një model i imët-përshtatur (fine-tuned) në të dhëna angleze shpesh mund të aplikohet drejtpërdrejt në frëngjisht, gjermanisht, arabisht ose kinezisht pa etiketa specifike për gjuhën.

Hapeni në MethodMindSë shpejtiVideoSë shpejtiDownload slides

Lexoni metodën e plotë

Vetëm për anëtarët

Hyni me një llogari falas për ta lexuar këtë seksion.

Hyni

Method map

The neighbourhood of related methods — select a node to explore.

+10 more

Burimet

  1. Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, pp. 4171–4186. Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423
  2. Conneau, A., Khandelwal, K., Goyal, N., Chaudhary, V., Wenzek, G., Guzmán, F., Grave, E., Ott, M., Zettlemoyer, L., & Stoyanov, V. (2020). Unsupervised Cross-lingual Representation Learning at Scale. Proceedings of ACL 2020, pp. 8440–8451. Association for Computational Linguistics. DOI: 10.18653/v1/2020.acl-main.747

Si ta citoni këtë faqe

ScholarGate. (2026, June 3). Multilingual Transformer (Cross-lingual Pre-trained Language Model). ScholarGate. https://scholargate.app/sq/deep-learning/multilingual-transformer

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Cituar nga

ScholarGateMultilingual Transformer (Multilingual Transformer (Cross-lingual Pre-trained Language Model)). Marrë më 2026-06-15 nga https://scholargate.app/sq/deep-learning/multilingual-transformer · Seti i të dhënave: https://doi.org/10.5281/zenodo.20539026