arXiv cs.CL· Szymon Kocur·· 3 小时前AI 评分21
Wieszcz-XIX：3.1 亿词 1918 年前波兰语语料库及从零训练的时间边界语言模型
Wieszcz-XIX: A 3.1-Billion-Word Corpus of Pre-1918 Polish and Temporally Bounded Language Models Trained From Scratch
AI 导读
研究者发布 Wieszcz-XIX 语料库，收录 1800 至 1918 年波兰语出版物共 67.5 亿 token（约 31 亿词）、294,369 份文档，规模比同期标注语料大三个数量级以上。
来源：arXiv cs.CL · arxiv.org