arXiv 发布拉丁语编码器 LAMB 及两个语料库
原文标题：LAMB: A Modern Contextual Language Model for Latin
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者推出基于 ModernBERT 架构的拉丁语编码器 LAMB，分两阶段在超 740 亿拉丁语 token 上预训练，并采用形态学驱动的掩码策略。同时发布 Acervus 与 Corpus Trinum 两个语料库，后者为首个拉丁语语义三元组数据集。在 17 个子任务中 LAMB 于 16 项超越所有对比模型。
深读 · 结论先行AI 生成展开看要点与影响 ↓
拉丁语编码器LAMB在17个子任务中16项超越所有对比模型，并发布两个语料库。
- •基于ModernBERT架构，两阶段在超740亿拉丁语token上预训练，采用形态学驱动的掩码策略。
- •Acervus语料含24B BERT WordPiece token，其中超76万条来自严重损坏的OCR文本，由专训的ByT5模型修复。
- •Corpus Trinum含超1亿强弱拉丁语语义三元组，为首个拉丁语语义三元组数据集。
- •基准覆盖5个任务、17个子任务，对比15个预训练编码器与6个LAMB检查点；LAMB在16项胜出，第17项距SOTA仅0.8个百分点。
为什么重要：低资源古典语言长期缺专用编码器与数据，LAMB同时补齐模型与语料，对数字人文与拉丁语NLP研究是直接可用的基座。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。