Novinky

Je jednoduché spoľahnúť sa na jedno číslo z leaderboardu pri výbere modelu pre váš prípad použitia. Toto číslo však môže skrývať omnoho viac, než ukazuje. Dôležité je pozrieť sa aj na to, akú výpovednú hodnotu majú použité benchmarky a aké schopnosti sa pri nich vyhodnocujú.

Jedným z hlavných cieľov SLAIH je uľahčiť objavovanie kvalitných zdrojov pre umelú inteligenciu a spracovanie prirodzeného jazyka v slovenčine. V tomto článku by sme vám radi predstavili niekoľko nových prírastkov do nášho katalógu, ktoré stoja za pozornosť. Či už vyvíjate aplikácie založené na veľkých jazykových modeloch, pracujete na automatickom rozpoznávaní reči alebo experimentujete s viacjazyčnými modelmi, tieto zdroje by vám rozhodne nemali uniknúť.

Ak chcete vedieť, ako dobre si modely na rozpoznávanie reči (speech-to-text) poradia s angličtinou, odpoveď máte v priebehu minúty. V prípade slovenčiny ste ju donedávna nemali vôbec. Viacjazyčné evaluácie slovenčinu buď úplne vynechávajú, alebo v nich tvorí len zlomok percenta testovacích dát, čo je príliš málo na spoľahlivý záver.

Na SLAIH zverejňujeme prvý špecializovaný benchmark automatického rozpoznávania reči pre slovenčinu.

SkMTEB — prvý komplexný benchmark pre textové embeddingy v slovenčine — bol prijatý na ACL 2026, jednu z najvýznamnejších svetových konferencií v oblasti spracovania prirodzeného jazyka. Benchmark pokrýva 31 datasetov naprieč 7 typmi úloh a prináša štandard porovnateľný s MTEB pre angličtinu. Za prácou stojí tím z Kempelenovho inštitútu inteligentných technológií (KInIT), Technickej univerzity v Košiciach (TUKE) a Univerzity Komenského v Bratislave (UK) spolu s ďalšími partnermi slovenského AI ekosystému.

Spúšťame Slovak Language AI Hub - centrálne miesto pre datasety, modely a benchmarky pre slovenský jazyk. Naším cieľom je zlepšiť dostupnosť zdrojov a podporiť rozvoj NLP na Slovensku.