Yintao Tai

MIXAR：首个生成式多语言像素语言模型发布

研究人员开发了MIXAR，一种新颖的生成式多语言像素语言模型，其参数量可扩展至5亿，并在八种高资源语言上进行了预训练。该模型在对未见过的低资源语言（尤其是与预训练混合语言文字差异较大的语言）上表现出更强的泛化能力。MIXAR用基于GRPO的强化学习阶段取代了不稳定的对抗性训练，实现了更稳定的自由生成，在多语言基准测试上的准确率提高了2.3倍。该模型在区分性任务上表现与基于分词器的模型相当，并且对拼写攻击的抵抗力更强。