研究者发布Wieszcz-XIX波兰语语料及模型

研究者 Szymon Kocur 等人发布 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，多数为期刊，来源为 Wolne Lektury 和 Internet Archive，经过去重、过滤、1918 年后内容泄漏审查，并按文档切分。该规模比同期标注语料大三个数量级以上。 团队同时从零训练了波兰语模型，并公开语料、代码和模型权重。研究者提示，模型会复现那个时代的偏见，包括反犹言论。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。