罗马尼亚语优先模型家族Neurograf v1发布

研究团队发布 Neurograf v1，一套罗马尼亚语优先的端到端语言模型流水线，用于验证从零训练低资源欧洲语言模型的可行性。据发布方称，该版本定位为实验性演示，而非可投入生产的系统。 该流水线包含 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），以及三个指令微调助手和两个对比学习嵌入模型。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。