跳到正文
arXiv · ML· Ionut Adrian Rotaru·· 2026-10-12AI 评分33

Neurograf v1: 面向罗马尼亚语的端到端大语言模型家族

Neurograf v1: An End-to-End Romanian-First Language Model Family

AI 导读

Neurograf v1 构建了基于 635GB 语料库和 8 万字节 BPE 分词器的罗马尼亚语大模型训练流程,包含 160M 至 6B 参数的 5 个解码器模型。 在 WWTBM 基准测试中,Neurograf-6B 在罗马尼亚语语境问题上的准确率为 69.89%,Neurograf-3.2B 为 67.38%。该研究证明了低资源欧洲语言端到端训练的可行性,并作为实验系统展示。

来源:arXiv · ML · arxiv.org