Modern Standard Arabic
PulseAugur coverage of Modern Standard Arabic — every cluster mentioning Modern Standard Arabic across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
MiniMax AI 开源 MSA 内核库，M3 权重将于周五发布
MiniMax AI 已宣布开源其高性能 MSA 内核库。该公司还表示，M3 权重定于本周五发布。此次发布包含指向该库 GitHub 存储库和相关论文的链接。
-
MiniMax M3 发布，支持 1M 词元上下文和 MSA 架构
MiniMax 发布了其 M3 模型，该模型采用了新颖的稀疏注意力（MSA）架构，支持 100 万词元的上下文窗口和原生多模态。这种新架构显著降低了长上下文的计算成本，使得 M3 比前几代模型速度更快。该模型在编码和智能体任务方面也表现出色，在 SWE-Bench Pro 和 Terminal-Bench 等基准测试中超越了多个领先模型。
-
新数据集对阿拉伯语对话中的LLM进行文化推理基准测试
研究人员开发了一个名为ArabCulture-Dialogue的新数据集，以解决缺乏丰富的文化对话数据来评估阿拉伯语大型语言模型（LLM）的问题。该数据集涵盖了13个阿拉伯语国家，包括现代标准阿拉伯语（MSA）和不同日常生活主题的当地方言。使用该数据集进行的实验显示，在文化推理、翻译和生成等任务中，LLM在方言阿拉伯语上的表现明显不如MSA。
-
LLMs can now generate Arabic poetry with specific style and rhyme controls
研究人员开发了一种新的方法，用于指导阿拉伯语及其方言的诗歌生成。他们创建了一个包含现代标准阿拉伯语和各种方言的基于指令的诗歌示例的大型数据集。在此数据集上微调大型语言模型，可以实现可控的诗歌创作，包括根据特定标准（如风格和韵律）来撰写、修改和续写诗歌。
-
新的MSA算法利用模型历史高效地从LLM中遗忘数据
研究人员推出了一种名为模型状态算术（MSA）的新型算法，旨在高效地从大型语言模型中移除特定数据点的影响。与计算上不可行的完全重新训练不同，MSA利用历史模型检查点来抵消不需要的数据的影响。实验表明，MSA在各种基准测试和模型上表现具有竞争力，并且通常优于现有的数据遗忘方法。