跳到正文
arXiv · NLP· Chen Hu, Yintao Tai, Antonio Vergari, Frank Keller, Alessandro Suglia·· 2026-10-16AI 评分40

MIXAR:首个支持多语言多脚本的生成式像素语言模型

MIXAR: Scaling Autoregressive Pixel-based Language Models to Multiple Languages and Scripts

AI 导读

MIXAR 是首个生成式多语言像素语言模型,基于拉丁语系及 CJK 脚本的 8 种高资源语言预训练,参数量达 0.5B。 该模型在未见过的低资源语言上表现优于同等语料库的 tokenizer 模型,GRPO 强化学习阶段将自由生成准确率提升最高 2.3 倍。 MIXAR 在判别式基准上与同等 tokenizer 模型持平,且代码与模型已开源。

来源:arXiv · NLP · arxiv.org