SGNLP

SGNLP 包含一系列模型和工具：

• 新加坡英語理解：Singlish 文本規範化、情感分析
• 多語言程式碼切換：識別一段文本中混用了哪些語言（英文 / 中文 / 馬來語 / 泰米爾語 mix）
• 本地命名實體：識別新加坡地名、人名、機構名
• 複述與摘要：針對新加坡本地新聞/政府文本

隨著 SEA-LION 出現，SGNLP 的角色逐漸從"主力產品"變成"專項工具"——通用 NLP 能力讓位給 LLM，但 Singlish 等專項場景仍然有獨立價值。

SGNLP 解決的核心問題：通用 NLP 工具在新加坡英語上效果差。

新加坡英語（Singlish）混用英語、馬來語、華語、泰米爾語，加上獨特語法（lah、leh、lor 這種語氣詞），讓 spaCy / NLTK / HuggingFace 的開箱模型在 Singlish 文本上表現糟糕。SGNLP 的預訓練模型在 Singlish 資料上專門微調過，準確率顯著高於通用模型。

與 SEA-LION 的關係：SEA-LION 作為 LLM 部分覆蓋了 SGNLP 的能力，但 SGNLP 的輕量化模型（部分 < 100MB）在邊緣部署、即時處理場景仍有優勢。

SGNLP 是新加坡"語言主權"敘事的早期實踐——在 LLM 時代之前，AISG 已經在做"為新加坡量身定製的語言 AI"。

在「七條傳導槓桿」裡：

• 槓桿 3（產業應用）：本地客服、社交媒體分析、政府文本處理
• 槓桿 1（基礎研究）：Singlish 是少數有學術研究價值的"克里奧爾英語"

觀點：SGNLP 的存在讓 SEA-LION 有了"思想先驅"——同樣的"為本地語言做專項 AI"哲學，從 NLP 工具升級到 LLM。