CzechCore
Offline oprava české gramatiky
Problém
Opravovat českou gramatiku přímo v zařízení a vracet přesné rozsahy úprav, které může editor podtrhnout, bez odesílání textu jinam.
Postup
Český korekční model s 60,8 milionu parametrů od ÚFAL čte celou větu. UDPipe určuje přesné rozsahy tokenů a deterministické kontroly chrání URL, e-maily, data, čísla verzí, telefonní čísla a části připomínající kód. Samostatný režim přepisování lokálním LLM vždy vyžaduje kontrolu člověkem. Zdrojové kódy zahrnují klávesnici pro Android a adaptér Windows TSF.
Muži přišly domů.
Muži přišli domů.
Výsledek
F0,5 dosahuje 0,634 (precision 0,788, recall 0,355) na vývojové sadě GECCC s 8 478 větami, přibližně 229 ms na větu na CPU. Vydáno jako výzkumná alfa, protože stále mění 558 z 3 288 správných vět, což je pro automatické opravy bez potvrzení příliš mnoho.