moBERTo: 新型葡萄牙语语言模型提升NLP任务表现

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-21 23:44

研究人员推出moBERTo，一个通过对ModernBERT进行持续预训练而衍生的新型葡萄牙语语言模型。该模型在600亿个token上进行了训练，整合了FineWeb2以及经过筛选的STEM和教育内容的数据。moBERTo在包括信息检索、文档分类、命名实体识别和自然语言理解在内的多项自然语言处理任务中表现出色，尤其在葡萄牙语检索基准测试中表现突出。 AI

影响增强了葡萄牙语的NLP能力，有望改善该语言的信息检索和文档理解。

排序理由该条目描述了一个在arXiv上作为研究论文发布的新语言模型，详细介绍了其训练过程和评估。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一个在arXiv上作为研究论文发布的新语言模型，详细介绍了其训练过程和评估。 [lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: model release, paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 137 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Giovana Kerche Bonás · 2026-06-21 23:44

moBERTo：通过ModernBERT的持续预训练实现现代葡萄牙语编码器

Encoder-only transformer models remain essential for production NLP pipelines. We introduce moBERTo, a Portuguese adaptation of ModernBERT obtained through continued pretraining of the ModernBERT-base checkpoint on 60 billion tokens (5 epochs over a 12-billion-token corpus curate…

本文如何被排名

报道来源 [1]

moBERTo：通过ModernBERT的持续预训练实现现代葡萄牙语编码器

相关实体

相关话题