Introduzione del Dataset RoLegalGEC per la Correzione degli Errori Grammaticali nei Testi Legali Rumeni

È stato sviluppato un nuovo dataset chiamato RoLegalGEC specificamente per rilevare e correggere errori grammaticali nei documenti legali rumeni. Questa risorsa raccoglie 350.000 esempi di errori riscontrati in passaggi legali, completi di annotazioni degli errori. La creazione di questo dataset affronta una significativa carenza di dati annotati manualmente per la lingua rumena, in particolare nell'ambito specializzato del diritto. La precisione testuale nei documenti legali è di fondamentale importanza, rendendo necessari strumenti in grado di comprendere e correggere errori nel contesto giuridico. L'addestramento di tali strumenti richiede dati legali realistici, che sono stati scarsi fino ad ora. Sebbene la generazione sintetica di dati paralleli sia un'alternativa comune, essa richiede una comprensione strutturata della grammatica rumena. Il dataset, presentato in un articolo su arXiv (2604.19593v1), è descritto come il primo del suo genere per la lingua rumena in questo campo.