研究发布拉丁语编码器LAMB及两个语料库
热点事件持续更新
研究发布拉丁语编码器LAMB及两个语料库
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Aidan McCarthy 等人提出基于 ModernBERT 架构的拉丁语编码器 LAMB，采用形态学感知的掩码方案，分两阶段在超过 740 亿拉丁语 token 上完成预训练。 研究同时发布两个语料库：Acervus 包含 240 亿 BERT WordPiece token，其中有超过 76 万条经 ByT5 修复的严重损坏 OCR 样本；Corpus Trinum 是首个拉丁语语义三元组数据集，包含超过 1 亿组强弱三元组。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
LAMB：面向拉丁语的现代上下文语言模型报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.CLLAMB：面向拉丁语的现代上下文语言模型
基于 ModernBERT 架构的拉丁语编码器 LAMB 发布，采用形态学感知掩码方案，在两阶段预训练中使用了超过 74B 拉丁语 token。研究同时推出 Acervus（24B BERT WordPiece token，含超 760K 条经 ByT5 修复的严重损坏 OCR 样本）和首个拉丁语语义三元组数据集 Corpus Trinum（超 100M 强弱三元组）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。