巴什基尔语开放语料与适配基准发布

研究团队发布巴什基尔语开放资源套件与适配方法基准，包括含71,567篇文档、46.9M tokens、来自16个来源的Bashkir Web Corpus，以及面向二分类、多分类和多标签文本分类的三个标注数据集；基准覆盖前两类任务。所有成果均采用开放许可。 研究在8个架构（82M至8B参数）上比较全量微调、QLoRA与上下文学习。据作者报告，YandexGPT-5-Lite-8B结合持续预训练在二分类任务上达到macro-F1 0.748，高于XLM-R的0.653和mBERT的0.650。

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。