论文页面 - K-EXAONE 2.0 技术报告

来源：https://huggingface.co/papers/2608.04505 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

本技术报告介绍了 K-EXAONE 2.0，这是 LG AI Research 开发的一个开放权重多语言基础模型，是我们向全球前沿规模基础模型迈进的一步。我们并非从零开始训练，而是对 K-EXAONE 进行升级再利用并扩展其架构，从而得到一个混合专家（Mixture-of-Experts, MoE）模型，总参数量为 750B，每个 token 激活约 37B 参数——容量是前代模型的三倍多。K-EXAONE 2.0 支持最长 256K token 的上下文长度，并将多语言覆盖从六种语言扩展到十种语言。其训练流程结合了持续预训练、面向难度的中期训练和后训练，以增强推理、智能体编码、多语言能力以及根植于韩国社会文化语境的安全保障。在九个为反映实际使用条件而选取的评估类别中，K-EXAONE 2.0 相比 K-EXAONE 有所提升，并保持与开放权重模型的竞争力，其中在智能体编码和长上下文理解方面提升最大，在长上下文检索和安全方面优势最为明显。K-EXAONE 2.0 以 Apache 2.0 许可证发布，使更广泛的 AI 生态系统能够评估、部署、适配并在此基础上构建，同时标志着我们迈向全球前沿的挑战的开始——而非终点。

查看 arXiv 页面 (https://arxiv.org/abs/2608.04505)查看 PDF (https://arxiv.org/pdf/2608.04505)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.04505)

在您的 agent 中获取此论文：

hf papers read 2608\.04505

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2608.04505，以便从本页链接到它。

引用此论文的数据集 0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2608.04505，以便从本页链接到它。

引用此论文的 Spaces 0

没有 Space 链接此论文

请在 Space 的 README.md 中引用 arxiv.org/abs/2608.04505，以便从本页链接到它。

包含此论文的收藏集 0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从本页链接到它。