arXiv cs.CL· Shantipriya Parida, Debasish Dhal, Sonal Khosla, Sambit Sekhar, Muhammed Abdur Rahmaan Kamaldeen·· 12 小时前AI 评分18
Acharya 2.0：面向印地语自学科目的 RAG 驱动 AI 导师
Acharya 2.0: An AI Tutor for Self-Learning Subjects in Hindi
AI 导读
论文提出 Acharya 2.0，一个基于 RAG 的 AI 导师应用，为印地语学生提供学术辅助。该客户端-服务器 Web 应用整合多项功能，帮助学生访问并与教育内容交互。研究指出 RAG 技术此前多限于英语，在印度语言中应用有限。
正文 · AI 翻译
摘要：文本处理对于低资源语言至关重要，因为它能够推动工具和技术的开发，从而弥合数字鸿沟，并提供公平的信息与服务获取渠道。通过为低资源语言赋予强大的文本处理能力，我们可以在快速数字化的世界中保护语言多样性、提升教育水平、改善沟通并促进包容性。由于缺乏足够的标注数据集和语言资源，为这些低资源语言开发准确可靠的语言技术颇具挑战。大语言模型（LLMs）凭借其性能和所创造的价值而备受关注。然而，随着语言的不断演变，针对特定任务对大语言模型进行适配既耗时又耗费资源。因此，检索增强生成（RAG）通过为 LLMs 补充外部知识克服了这一局限，从而提升了其效率并实现了广泛的特定任务适配。RAG 技术的大多数应用仅限于英语，在印度语言中的应用较为有限。本文介绍了由 RAG 驱动的 AI-Tutor 应用 Acharya 2.0，旨在为印地语学生提供学术辅助。该基于客户端-服务器的 Web 应用集成了多项功能，以支持学生访问教育内容并与之交互。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.25192 [cs.CL] |
| （或 arXiv:2610.25192v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.25192 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Debasish Dhal [查看电子邮件]
[v1]
2026年10月18日星期日 11:24:39 UTC（2,386 KB）
[v2]
2026年10月21日星期三 15:37:24 UTC（2,386 KB）
来源：arXiv cs.CL · arxiv.org