Lu xew
Benn këyit buñu joxe arXiv ci 22 ut dafay wane BanglaVeilGuard, muy xeetu kaaraange bu njëkk ci Bangla ak garde prompt bu woyof ngir xeetu làkk yu mag. Dafay jàngat juróom benn xeeti làkk: Bangla buñ miin, Bangla buñ romanise, Banglais, jaxase kodu Bangla-Anglais, Bangla bu bari xumbaay ak Bangla dialectal.
Auteur yi dañu wane BanglaVeilGuard ni ñaari mbir yu lëkkaloo: benn benchmark kaaraange bu dëgër ak benn garde prompt bu woyof. Benchmark bi dafa am 2,366 laaj yuñ segg ci kalite, ak 354 laaj yuñ xaaj ci evaluation biñ tëye. Laajte yi dañuy laal laaj yu wóorul, laaj yu wóor ak laaj yu am kaaraange, loolu tax ñu mëna xool sistem bi, du ci xool ndax dafay bloke ëmbiit bu mëna lore, waaye itam ndax dafay tëye xëcc ci laaj yu am solo yu baax. Woykat bi dafa xamme liggéey bi ni këyit bu am juróom ñatti xët yuñ nangu ci 4eelu ndaje internasional ci yokkuteg ordinatër ba noppi ñu publie ko ni arXiv preprint ci 22 ut 2026.
Benchmark bi ñu ngi ko tëral ci anam wu wuute ci ni ñuy bindee Bangla. Jiroom benn xeetam ñooy Bangla buñ miin, Bangla buñ romanise, Banglais, Bangla-Anglais buñ jaxase, Bangla bu bari xumbaay ak Bangla bu am dialect. Design boobu dafay wane li këyit bi wax ni jàngat kaaraange mën na ñàkka mat su amee benn script buñ yamale wala benn yoon buñ tëral. Source bi leeralul coverage geographique bu matériel dialectal bi, anam wi ñu ko jëfandikoo ngir fësal kategori yi, wala ni ñu tànnee laaj yi ak segg ci kalite ginaaw wax ni ensemble bi dafa segg ci kalite.
Garde bi dafay jëfandikoo normalisasioŋ budul yàq gis-gis yu bari, ab klassifikatëru risk bu gaaw ak ab buntu buy njëkka defar. Ci anam wu gëna woyof, gis-gis bi dafay saytu ab laaj buy dugg laataa ñuy génne te du soppi diisaayu xeetu aar bi. Këyit dafa wax ni mën nañu jëfandikoo anam wi ci xeeti mbir yu wuute. Source bi waxul ndax garde bi mën nañu ko am ci code, ba ñaata compute wala latency lay yokk, ban threshold lañu tànn ci jàngat bu nekk, wala naka lay doxalee su jëfandikukat yi boole ay formileer yu bari ci luñu ko soobe.
Ci biir famiy yiñ wax ci abstract bi, bindkat yi dañu wax ni daw yiñ wottu wàññi nañu njariñu song ci tontub deterministik bu tollu ci diggante 93.8% ba 100.0% ba 6.3% ngir Claude Opus 4.8, BanglaLLama ak TituLLM. Ci TigerLLM-1B, këyit bi dafa wax ni 78.2% ci njub ak 8.8% ci njubte ci song ak BanglaVeilGuard. Rappel bu wóorul bu garde bi ñu ngi ko xamle ni 88.5%, lu ëppu bu baax liñu jàngat ci garde baselines. Lii ab resultaa buñu joxe ci këyit la, du ab replication bu moom boppam.
Auteur yi dañu wane ni amna njëg: sistem bi dafay baña nangu yenn laaj yu baax, rawatina yooyu ñu bind ci dialectal wala Bangla bu bari xumbaay. Gis-gis boobu amna solo ndax couche de sécurité mën na wàññi produit yu bonn yi ci noonu lay tere jëfandikoo gi ci anam wu jaar yoon. Source bi dafay kaadre lii ni frontiere bu am njariñ ci wàllu kaaraange, waaye abstract bi mënul xayma limu njuumte ci baña nangu wala mu xaaj ko ci xeetu làkk, model, xeetu gaaw wala tar.
Ay leeral ci cosaan: arxiv.org ↗
Lu tax mu am solo
Liggéey bi dafay wax ci benn ñakk kattan ci test kaaraange: xeetu jëfandikoo script Bangla buñ miin mën na baña tontu ci anam wu wóor benn laaj sudee dañu ko tekki, njuumte ci ortograafi, jaxase kode wala ñu bind ko ci benn registre regional. Resultaa yiñ siiwal dañuy wane ni jàngat biñ def ci script yu bari mën na wane risk yi test yu lalu ci Àngle wala script buñ miin mëna ñàkk.
Lakk yu bari yi nekk na jafe-jafe kaaraange sudee nit ñi duñu bind ci anam wu ñuy jëfandikoo xeetu làkk yi. Ñaan bu mëna lore mën nañu ko tekki ci arafu Latin, jaxase ko ak Àngle, ñu soppi ko ci ortograafi bu jaarul yoon wala ñu bind ko ci benn registre regional. Sudee sistemu kaaraange dafay xàmmee motif yu kaw yi am ci done yuñ jàngat ak jàngat ci script buñ miin, mën na am ni liggéeyam mën na baña wane ni muy doxalee ci jëfandikoo làkk yu bari. BanglaVeilGuard dafa def jafe-jafe jàngat bi muy xët wi ñuy jàngat.
Kon li këyit bi jàppale ci wàllu njuréef la. Duñu jàppee Bangla ni benn kategori dugal, waaye dafay digal ñu natt xeetu mbir yu bari ci benn benchmark ba noppi jëfandikoo normalisasioŋ balaa ñuy xaaj risk yi. Loolu mën na jàppale defarkati model yi ñu xam ndax politiku bañ bi dafa dëgër ci coppite yi ci script bi ak ortograafi bi. Approche bi itam daa woyof ci tegtali këyit bi: dafay dox ni buntu pre-generation te soxlawul soppi diisaayu model biñ aar. Sudee liñu joxe ci resultaa yi dafay yamale, mën na am njariñ ci mbootaay yi mënu ñu tàggataat wala defar model bu nekk bu ñuy jëfandikoo.
Wàññikug song biñ wax ni dafa am solo ci tabb bindkat yi. Këyit dafa wax ni ñetti famiy yu ñu wax ñu ngi joge ci 93.8%–100.0% ci song yi amul garde dem ba ci 6.3% ak moom, ci noonu la TigerLLM-1B amee xeetu song bu gëna ndaw ci wetu 78.2% ci njub. Woykat bi dafa wax itam ni 88.5% ci ñoom duñu am kaaraange. Nimero yooyu dañuy wane ni garde bi mën na jàpp ay laaj yu bari yu wóorul ci xeeti Bangla yu bari, waaye ñoom ci seen bopp duñu wane ni xeetu mbir yi ci suuf wóor nañu wala ni defaas bi dina mëna xeex ay songe yu méngoo.
Kompromis bi dafa am solo ci sistem yiy jàkkarloo ak ñépp. Baña nangu lu ëpp mën na tax jëfandikukat yi baña am xibaar bu baax, rawatina sudee dañu juum ci jàpp làkk wi dialect wala làkk wu bari xumbaay. Loolu mën na gàllankoor bu baax nit ñi seen bind bis bu nekk méngoowul ak li ñuy tëral. Ibër bi joxewul distribution social bu njuumte bii, kon njeextalam ci praktis mingi wéy di nekk laaj bu ubbeeku. Waaye, dafay firndeel ni gëna mëna gis kaaraange ak baña yàq njariñ, jafe-jafe ingeñër yu lëkkaloo lañu, duñu ay mébet yu wuute.
Liggéey bi amna solo itam ci laaj bi gëna yaatu, maanaam ndax jàngat yi ñuy amal ci wàllu kaaraange dañu wara wane ni nit ñi di jokkoo. Source bi dafay jàppale ab conclusion bu gàtt: këyit bii dafay wane benn référence ak garde, te bindkat yi dañu xamle njariñ yu gëna baax ci seen evaluation biñ wax. Dafay firndeel ni bépp xeetu Bangla amna benn vulnérabilité, ni cross-script variation mooy gëna bari ci jafe-jafe kaaraange, wala ni anam wi dafay toxal ci yeneen làkk te amul done yu bees ak test.
Mekanism buy weccoo xalaat: naka lay doxee
Saytu xarala yu bees yi ci ginaaw yokkute bii ci anam wu weccoo xalaat.
Which component of an AI application is the machine-learning model itself?
Li nga wara seetaan ci topp
Laaj bi gëna am solo mooy ndax benefiis yiñ xamle ñu ngi wéy ginaaw tabb evaluation bu këyit bi. Source bi joxeewul ay leeral ci configurations model-target bi yépp, tabax attack, implementations baseline, procédure scoring wala deployment ci àdduna dëgg, te dafay xàmmee bañaale bu ëpp ci dialect bu baax ak bruit prompts ni ay limitation yuñu mënul saafara.
Yokkug saytu dafa wara tàmbali ci benchmark bi ci boppam. Source bi dafay joxe limu laaj yépp ak xaaj biñ tëye, waaye du séddale misaal yu wóorul, yu wóor ak yu wóor-sensitif ci jiroom benn xeeti làkk yi. Waxul itam ñaata laaj ñoo bokk ci kategori risk bu nekk, naka lañu defaree ay song, wala ndax dañu sos ensemble evaluation bi moom boppam ci done yu garde bi. Yooyu detay dinañu am njeexital ci ni ñuy tekki ak wóolu limu song bi ak lim yi ñuy woowaat.
Protocolu jàngat bi beneen mbir la bu am solo buñu xamul. Resultaa yi dañuy jëfandikoo poñ tontu deterministik, waaye source bi leeralul rubrique poñ yi, leeral ndax tontu yi dañu leen àtte ci saasi wala nit ñi, wala wane ni ñu doxalee ci bañ yu borderline. Tegtalul itam liñu jàngat ci saasi-kepp garde baselines. Test independent dina am njariñ, rawatina ci echantillonnage randomisé, paraphrases, transliterations yu ñu gisul, dialect yu ñu joxewul ci done yu jëm kanam ak laaj yu bañkat yi ñu defar ginaaw bi garde bi génnee.
Dañu wara tàqale resultaa yi ci model bi ak li ñuy wax ci kaaraange model bi. Abstract bi dafa tuddu Claude Opus 4.8, BanglaLLama ak TituLLM, te dafay joxe ab resultaa bu wuute ngir TigerLLM-1B, waaye joxewul ay xeetu model, anam yi ñuy agg, laaj sistem, jekkal dekodaas yu weesu poñ yiñ tëral, wala séddale liggéey yi ci anam wu jaar yoon. Source bi itam du wax latency, jëfandikoo mémoire, njëgu liggéey bi wala disponibilite bi. Li ñu bàyyi ci liggéey bi tax na ñu baña xam naka lañu mëna yombalee boole ci sistemu liggéey bi.
jafe-jafe teknik bi gëna gaaw mooy baña nangu lu ëpp. Auteur yi dañu xamme bu baax dialectal bu baax ak bruit prompts ni ay ñakk kattan, waaye source bi xaymawul njuumte bi wala wane ndax coppite yi mën nañu gëna baaxal ekilibre bi. Evaluation yi ci kanam war nañu xamle ni dañuy fàttaliku kaaraange gi, boole ci nangu làkk wi ci anam wu baax, ba noppi ñu natt ndax normalisasioŋ bi ci boppam dafay efaase wuute yu am solo yi ci dialect yi wala dafay soppi mébetu laaj bi.
Fi may jeexalee mooy, tolluwaayu këyit bi ak yaatuwaayam dañu wara leer. Benn xeetu arXiv la buñu joxe ci 22 ut te xët wi dafa wax ni nangu nañu ko ci ICCA 2026; source bi joxewul benn replication wala firnde ci jëfandikoo gi. Kon lim yiñ joxe dañu leen di gëna jàppee ni resultaa yi bawoo ci benn jàngat buñ def ci gëstu. Li nga wara seetaan ci topp mooy kode wala génne done, génne boppam, natt ay songe yu méngoo ak natt bu gëna yaatu ci jàppale ci xeeti bind yu wuute yu Bangla.