Тил модели
90,54%
Gemma 3 27B алдында +4,47
- 01Airun LLM90,54
- 02Gemma 3 27B86,07
- 03DeepSeek-R1 32B74,99
- 04Qwen3 30B69,56
Жооптордун тактыгы, %. Тапшырмалар кыргыз тилинде.
Беш өлчөө — беш биринчи орун.
СалыштырылгандарGemma 3 27BDeepSeek-R1 32BQwen3 30BKani TTSAitil.kgClaude Opus 4.6Aitil.kg TranslateGPT-5.4Grok 4.20
90,54%
Gemma 3 27B алдында +4,47
Жооптордун тактыгы, %. Тапшырмалар кыргыз тилинде.
6,39%
Эң жакын атаандашка караганда 3,2 эсе аз ката
WER — 100 сөзгө келген каталар. Кирилл жазуусу гана.
52,9
Claude Opus 4.6 алдында +6,9
BLEU — эталондук котормого жакындык.
ИИ кыргыз тилин жана коңшу тилдерди кантип түшүнөрүн изилдейбиз.
АянтчаларMeLLMMRLLoResMTClimateNLParXiv
MeLLM 2026·ACL Anthology2026.mellm-1.5
Zarina Uvalieva, Bektemir Kumarbai Uulu, Adilet Metinov, Tynchtykbek Tashbaltaev, Nurtilek Alibekov
Abstract
Text normalization, the task of converting noisy, informal text into a standardized form - is a fundamental preprocessing step for many NLP applications. Despite the growing need for Kyrgyz language processing tools, to the best of our knowledge, no prior work has addressed automatic text normalization for Kyrgyz, a morphologically rich, low-resource Turkic language. In this paper, we present the first systematic study of Kyrgyz text normalization. We collect a dataset of 1.67 million noisy–clean text pairs sourced from YouTube comments, Instagram posts, and Telegram channels, where users frequently write without punctuation, capitalization, or standard spelling. Pairs were annotated with Gemini 3 Pro; the 1,000-example test set was fully verified by two native Kyrgyz speakers with adjudication, and a random subset of the training data was spot-checked, while the full 1.67M training set was not verified exhaustively. For continual pre-training, we additionally use a 538 MB Kyrgyz corpus compiled from news portals and books. We evaluate five systems: a rule-based baseline, zero-shot mT5, a fine-tuned mT5-small model, a continually pre-trained mT5-small followed by fine-tuning, and zero-shot Gemma 4. Our experiments show that fine-tuned mT5-small achieves a CER of 0.0796, outperforming the rule-based baseline (CER 0.2029), zero-shot mT5 (CER 0.9887), and zero-shot Gemma 4 (CER 0.1620), a roughly 32× larger model in a fine-tuned vs. zero-shot setting. Human evaluation by two native Kyrgyz speakers confirms these results, with fine-tuned mT5-small rated as correct in 99.8% of cases. We further analyze why continual pre-training with span corruption does not improve over direct fine-tuning, finding hallucination in 35/40 of the inspected failure cases (87.5%, 95% Wilson CI [74%, 95%]).
Proceedings of the 1st Workshop on Multilinguality in the Era of Large Language Models (MeLLM 2026), pages 52–62July 2026 ©2026 Association for Computational Linguistics52
Социалдык тармактардан 1,67 млн жуп боюнча алгачкы системалуу изилдөө: нейрон тармак эрежелерге караганда 2,5 эсе аз жаңылат.
Жол, соода, документтер жана мыйзамдар: шаарда керектүүнүн баары.
ProAirun Pro жазылуусу менен гана
Бүт өлкө Airun'га туташкан
ТизмедеБанктар 2Мамлекет 3Билим берүү 8Бизнес 9
Банктар
Bakai Bank
Банктар
Берекет Банк
Мамлекет
Жогорку Кенеш
Мамлекет
Министерство юстиции
Мамлекет
Мэрия Бишкека
Билим берүү
Университет Манас
Билим берүү
Университет Ала-Тоо
Билим берүү
КГМА
Билим берүү
КРСУ
Билим берүү
МУК
Билим берүү
AUCA
Билим берүү
Compass College
Билим берүү
Nomad College
Бизнес
mTicket.kg
Бизнес
Etnomedia
Бизнес
1.1 studio
Бизнес
OnClinic
Бизнес
ArtWin
Бизнес
Devolution
Бизнес
Profile.kg
Бизнес
Bakai Store
Бизнес
Bakai Travel
Бизди жазган басылмалар
The Times of Central AsiaSputnik КыргызстанToday.kgEconomist.kgBanks.kgReporter.kgKaktus.mediaTHE TECHАкчабарРамблер/новости
Өзүңүз үчүн: браузерде жана телефондо. Продукт үчүн: Airun моделдери API менен.