Kumatigi: Quality-Driven Data Augmentation for Low-Resource Machine Translation
Cheick Tidiani Cissé
Findings of the Association for Computational Linguistics: ACL 2026, pp. 24433–24446
Construction et publication d'un corpus français↔bambara de 67k paires annotées en qualité, démontrant qu'en traduction très peu dotée le filtrage par qualité surpasse l'augmentation du volume brut. +3–4 BLEU, confirmé par évaluation humaine.