Boldt模型发布：德语数据过滤研究

2026年10月27日，研究团队在arXiv发布关于德语建模数据策略的研究论文。该研究证实，对500M德语网络文档应用层级质量过滤器后，重复训练高质量子集的效果优于在多样化语料库上进行单遍训练。其性能优势在7个epoch后依然显著。 该模型名为Boldt，由Ansar Aynetdinov等发布。Boldt在达到最先进结果的同时，训练token数量比可比模型少10-360倍。研究团队已开源德语语言模型及清洗后的评估基准，供科研社区使用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。