arXiv cs.CL· Ionut Adrian Rotaru·· 2 小时前AI 评分22
Neurograf v1：端到端罗马尼亚语优先语言模型家族
Neurograf v1: An End-to-End Romanian-First Language Model Family
AI 导读
Neurograf v1 发布，这是一套罗马尼亚语优先的端到端语言模型流水线，包含 635 GB 罗马尼亚语语料 RoSfera（1.757 亿篇文档）、80k byte-level BPE tokenizer、160M 至 6B 五个 decoder-only 模型（训练 1310 亿 token）、三个指令微调助手和两个对比学习嵌入模型。
来源：arXiv cs.CL · arxiv.org