研究人员开发了Saidzoda-Tajik-LFM-2.6B,一个拥有26亿参数的混合模型,已适配塔吉克语,并专注于工具调用能力。适配过程包括在塔吉克语网络文档上进行持续预训练,然后对工具调用数据进行监督微调。虽然该模型显著提高了塔吉克语工具调用的准确性,但它也明显削弱了模型以其原生英语格式执行工具调用的能力,并导致英语MMLU分数下降。研究人员警告说,该模型并非通用的塔吉克语助手,其调用在执行前需要验证。 AI
影响 这项研究展示了一种将现有模型适配到新语言和任务的方法,突出了不同能力之间性能的权衡。
排序理由 该集群描述了一篇新的研究论文,详细介绍了将一个语言模型适配到特定语言和任务的过程,包括方法论和评估结果。[lever_c_demoted from research: ic=1 ai=1.0]
- Belebele Tajik
- BFCL v3
- LFM2.5-2.6B-Base
- LoRA
- Massive Multitask Language Understanding
- Saidzoda-Tajik-LFM-2.6B
- Tajik
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →