arXiv NLP·23 天前★ 2

Wieszcz-XIX：31 亿词 1918 年前波兰语语料与模型

原文标题：Wieszcz-XIX: A 3.1-Billion-Word Corpus of Pre-1918 Polish and Temporally Bounded Language Models Trained From Scratch

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

研究者发布 Wieszcz-XIX，一个包含 67.5 亿 token（约 31 亿词）、294,369 份 1800–1918 年波兰语文献的语料库，规模比同期标注语料大三个数量级。基于该语料从零训练 47M 至 349M 参数的解码器模型，测量其时间边界性，并开源语料、代码与权重。

所属主题开源15

AI 处理过程展开/收起

原始标题：Wieszcz-XIX: A 3.1-Billion-Word Corpus of Pre-1918 Polish and Temporally Bounded Language Models Trained From Scratch

AI 中文标题：Wieszcz-XIX：31 亿词 1918 年前波兰语语料与模型

来源：arXiv NLP · 发布于 23 天前

分类：开源 · AI 重要度：★ 2（2）

标签：语料库 / 历史语言模型 / 开源 / 预训练 / 波兰语

关键词：历史语料库 / 波兰语模型 / 从零训练 / 开源模型 / Wieszcz-XIX

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。

相关推荐