English(EN) EstLLM: Enhancing Estonian Capabilities in Multilingual LLMs via Continued Pretraining and Post-Training

新方法提升了多语言大模型中的爱沙尼亚语能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-26 04:00

研究人员开发了EstLLM，一种用于增强多语言大语言模型（LLMs）在爱沙尼亚语方面性能的方法。通过对Llama 3.1 8B和Apertus 8B等基础模型应用包含丰富爱沙尼亚语数据的持续预训练，随后进行后训练对齐，他们观察到爱沙尼亚语能力、推理和翻译方面有了显著提升。研究发现，尽管Apertus最初在爱沙尼亚语方面能力更强，但Llama在适应后取得了更大的进步，证明了这种方法对较小语种的有效性。 AI

影响增强了LLM在较小语种社区中的可行性，有可能在全球范围内拓宽AI的可及性和实用性。

排序理由该集群包含一篇学术论文，详细介绍了一种提高LLM在特定语言方面性能的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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: 41 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了一种提高LLM在特定语言方面性能的新方法。[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: paper, model release; 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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Aleksei Dorkin, Taido Purason, Emil Kalbaliyev, Hele-Andra Kuulmets, Marii Ojastu, Mark Fi\v{s}el, Tanel Alum\"ae, Eleri Aedmaa, Krister Kruusmaa, Kairit Sirts · 2026-08-26 04:00

EstLLM：通过持续预训练和后训练增强爱沙尼亚语在多语言大型语言模型中的能力

arXiv:2603.02041v2 Announce Type: replace-cross Abstract: Large language models (LLMs) are predominantly trained on English-centric data, resulting in uneven performance for smaller languages. We study whether continued pretraining (CPT) can improve Estonian capabilities in multi…

本文如何被排名

报道来源 [1]

EstLLM：通过持续预训练和后训练增强爱沙尼亚语在多语言大型语言模型中的能力

相关实体

相关话题