★ 2
Wieszcz-XIX：31 亿词 1918 年前波兰语语料与模型
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。
arXiv NLP24 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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。