历时六年的多语言高质量数据集开源发布

研究团队宣布将历时六年打磨的多语言高质量数据与模型工作正式开源，并计划未来发布更多语言的高质量数据。低资源语言平行数据挖掘仍面临档案语言学材料正字法与现代社区习惯及测试集规范不一致等问题，具体包括缺少附加符号、OCR 噪声和文字系统转写。