open-llm

本文整理并发布了针对亚美尼亚语的开放数据集和模型，展示了通过新闻和STEM数据进行持续预训练可以提高性能，并解决低资源NLP中的数据稀缺问题。

本文来自小米，介绍了面向多语言机器翻译的无参考后训练，将带有质量评估奖励的GRPO应用于MiLMMT-46-v0.1 SFT模型，生成MiLMMT-46-v1.0，该模型提升了46种语言的翻译质量，并超越了开放和专有基线。

本文介绍了MiLMMT-46-v1.0，这是一个通过GRPO和检查点插值进行无参考后训练改进的多语言机器翻译模型，在46种语言上超越了强大的开放和专有基线模型。

一条推文宣布了一个基于种子的网站，用于下载开放LLM模型权重，将其定位为开放模型的海盗湾替代品。

帖子作者指出，LFM2.5 8B A1B模型的MoQ GGUFs提供了最佳的精度/大小比，并建议不要使用精度恢复低于95%的版本。

本文测量了来自8个开放LLM家族的27个检查点的最大激活幅度，发现不同家族、架构和训练阶段之间存在显著差异，这对低位量化和部署具有影响。