Neurograf v1 罗马尼亚语模型家族发布

Ionut Adrian Rotaru 发布 Neurograf v1，一套端到端、以罗马尼亚语优先的语言模型流水线，用于验证从零训练低资源欧洲语言模型的可行性。 该流水线包含 635 GB 罗马尼亚语语料 RoSfera、80k byte-level BPE tokenizer、五款 160M 至 6B 参数的 decoder-only 模型（共训练 131 billion tokens）、三个指令微调助手以及两个对比学习嵌入模型。 作者称该工作为实验性项目，目标是研究低资源语言能否从零构建语言模型；报告未给出这些模型在具体任务上的评测结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。