SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages

东南亚是一个语言多样性和文化多样性丰富的地区，拥有超过1300种土著语言和6.71亿人口。然而，现有的人工智能模型在文本、图像和音频数据集方面缺乏来自东南亚的充分代表，从而影响了东南亚语言的人工智能模型的质量。由于高质量数据集的稀缺性以及英语训练数据的主导地位，评估东南亚语言的模型是具有挑战性的，这也引发了文化误解的担忧。为了解决这些问题，我们引入了SEACrowd，这是一个协作计划，汇集了一个综合性资源中心，通过提供近1000种东南亚语言的标准语料库，填补了资源缺口。通过我们的SEACrowd基准测试，我们评估了13项任务中36种土著语言的人工智能模型的质量，为当前东南亚人工智能领域提供了有价值的见解。此外，我们提出了促进更大的人工智能进步的策略，以最大化人工智能在东南亚未来的潜在效用和资源平等。

解决东南亚地区人工智能模型数据不足的问题，提高东南亚语言的AI模型质量

通过SEACrowd项目，提供近1000种东南亚语言的标准语料库，评估AI模型在36种东南亚语言上的13个任务的表现，并提出促进AI发展的策略

SEACrowd项目提供大量标准语料库，评估AI模型在东南亚语言上的表现，为AI发展提供了新的资源。实验中使用了36种东南亚语言上的13个任务，为该领域提供了宝贵的数据。论文提出了一些促进AI发展的策略，如建立更多的数据集和提高语言技术的普及程度等

最近相关的研究包括：1. Multilingual and Cross-Lingual Representations for Low-Resource Languages；2. Learning from Low-Resource, Multi-Dialect Data with a Multilingual Transformer Model；3. A Survey on Low-Resource Neural Machine Translation