历时 6 年的多语言高质量数据集发布，作者称只有今天的模型才能做到
anas_ant · x · 2026-11-06
作者宣布一项打磨 6 年的工作终于在今天得以落地：一套覆盖多种语言的高质量数据与模型正式开源（数据与模型链接已放出）。作者表示接下来会在更多语言上发布高质量数据。
他指出目前最大的遗留挑战是档案材料与现代社区用字习惯之间的正字法不匹配（测试集往往反映现代偏好）。这次他们用人工引导的方式处理了该问题，并认为未来可以用 agent 自动化这一流程。
所属事件:多语言高质量翻译数据集开源，全自动管线征战 WMT(3 条相关)→
「研究」频道最新
- PolymathicAI 纽约团队招聘：实习、博士后到研究工程师多个 AI4Science 岗位 — cosmo_shirley · 2026-11-06
- Hugging Face 烧 80 万 GPU 小时发布免费 MoE 训练手册 — Thom_Wolf · 2026-11-06
- METR 数据：AI 基准增速翻倍，Anthropic Model 4 得 178.6 分 — scaling01 · 2026-11-06
- 博主实测 Astra 权重：输入输出单元竟可人类直读 — rupspace · 2026-11-06
- Adobe HueRistic 获 UIST 最佳论文荣誉提名：AI 自动调配直播间灯光颜色 — rufusd · 2026-11-06
- 快手可灵团队等提出 JointLight：视频换光时人物与阴影保持真实 — jiqizhixin · 2026-11-06