首页/新闻资讯/正文详情

Large Language Models for Summarizing Czech Historical Documents and Beyond

发布时间:2026/9/25 12:52:11 来源:云帆数科 栏目:资讯中心
Large Language Models for Summarizing Czech Historical Documents and Beyond
文章主要内容与创新点总结一、主要内容本文聚焦捷克语文本摘要任务,尤其是历史文献摘要这一研究缺口,展开了系统性研究,具体内容如下:研究背景:文本摘要旨在精简文本同时保留核心信息,当前该领域研究多集中于英语等资源丰富语言,而捷克语(尤其是历史捷克语)因语言复杂性(如语言演变、词汇过时、语法不一致)和标注数据集稀缺,相关研究较为薄弱。数据集相关:梳理现有数据集:涵盖英语数据集(如含30余万篇英语新闻的CNN/Daily Mail、含22.6万条单句摘要的XSum等)和多语言数据集(如含百万级文章 - 摘要对的XLSum、含150万对的MLSUM),指出捷克语专用数据集匮乏,仅有面向现代捷克语的SumeCzech(含100万篇捷克新闻,支持标题生成等任务)。构建新数据集:针对历史捷克语文本摘要需求,基于历史期刊《Posel od ˇCerchova》创建同名数据集,借助GPT - 4和Claude 3 Opus生成摘要,经人工校验,包含页面级(POC - P,432页摘要)和文章级(POC - I,100期摘要)两类摘要,可免费用于研究。模型与实验:选用模型:采用mT5(多语言文本到文本转换Transformer,基于Transformer编解码器架构,训练于含捷克语的mC4数据集)和Mistral 7B(高效大语言模型,含70亿参数,采用分组查询注意力等机制)。

相关推荐

逐行精读Tftpd64的tftpd_thread.c:TFTP状态机、OACK选项协商与重传策略完整实现
逐行精读Tftpd64的tftpd_thread.c:TFTP状态机、OACK选项协商与重传策略完整实现

逐行精读Tftpd64的tftpd_thread.c:TFTP状态机、OACK选项协商与重传策略完整实现 【免费下载链接】tftpd64 The working repository of the famous TFTP server. 项目地址: https://gitcode.com/gh_mirrors/tf/tftpd64 Tftpd64 是 Windows 平台上最著名的 TFT… · 2026/9/25 12:51:41

从免费CRM到独立部署:小团队搭建私人CRM网站全记录
从免费CRM到独立部署:小团队搭建私人CRM网站全记录

上个月我终于把客户资料从微信聊天记录、Excel表格和记事本里统一搬了出来,全部塞进了一套自己部署的CRM系统里。项目代号DeskcommCRM,听起来像个大厂产品,其实是我基于开源组件和一台轻量云服务器搭起来的私人客户关系管理网站。到今天跑了1… · 2026/9/25 12:51:34

2026年彩钢瓦厂房翻新哪家商家专业求推荐,综合成本低服务商实力参考
2026年彩钢瓦厂房翻新哪家商家专业求推荐,综合成本低服务商实力参考

彩钢瓦厂房翻新行业基础科普:什么是彩钢瓦厂房翻新,哪些场景需要做翻新改造彩钢瓦厂房因自重轻、施工快、造价低的优势,成为国内工业生产厂房、仓储库房最常用的屋面形式,但彩钢瓦属于金属材质,长期暴露在户外环境中&a… · 2026/9/25 12:51:10

从SQL注入到系统权限:读数据、写文件、执行命令全解析
从SQL注入到系统权限:读数据、写文件、执行命令全解析

1. 从注入点到系统权限:SQL注入利用的三个阶段很多人学SQL注入,停留在 or 11--这种万能密码绕过或者union select拖个数据库就完事了。但实际上,一个注入点能做到的事情远不止"把数据拿出来"这么简单——只要权限够、条件允许&… · 2026/9/25 13:25:42

Codex CLI 的 Git 工作流:AI 帮你管理 Commit 和分支
Codex CLI 的 Git 工作流:AI 帮你管理 Commit 和分支

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/25 13:25:42

Less-24二次注入实战:从注册到改密,一次搞懂SQL注入的隐藏玩法
Less-24二次注入实战:从注册到改密,一次搞懂SQL注入的隐藏玩法

1. 拿到Less-24先别急着跑,这关考的是思路sqli-labs刷到Less-24,很多新手会卡一下。前23关大部分是“参数拼进SQL导致报错、盲注、布尔、时间盲注”这种直来直去的路子,到了这一关突然变了个玩法:页面干干净净,登录框摆… · 2026/9/25 13:25:36

AWD自动化攻击框架全解析:从漏洞利用到flag批量提交的实战指南
AWD自动化攻击框架全解析:从漏洞利用到flag批量提交的实战指南

简介:面向AWD攻防对抗赛选手的自动化攻击框架完整源码包,含项目说明与模块化代码,适合具备Python基础和熟悉CTF/AWD赛制的竞赛选手作为实战模板。压缩包共66个文件,以Python源码(py与pyc)为主,辅… · 2026/9/25 13:25:36

Gh0st远控源码VS2019编译实战:从解压到跑通上线的完整指南
Gh0st远控源码VS2019编译实战:从解压到跑通上线的完整指南

简介:面向远程控制技术学习与二次开发场景的 Gh0st 远控 VS2019 完整工程包,2025 年首发版本,整合了当前 Visual Studio 2019 的开发环境配置,让使用者能在熟悉的 IDE 中直接查看、编译和调试远程控制客户端/服务端代码。压缩包共… · 2026/9/25 13:25:36

威胁情报与恶意样本分析:常用样本库及批量获取流程
威胁情报与恶意样本分析:常用样本库及批量获取流程

搞威胁情报和恶意样本分析的朋友,应该都有过这种经历:一篇分析报告写到一半,发现手头缺一个关键样本,或者想对比某个APT组织最近在用的攻击手法,却不知道该去哪里拉数据。我入这行头两年,就是靠几个书签攒了… · 2026/9/25 13:25:36

数值优化(Numerical Optimization)学习系列-03-共轭梯度方法(Conjugate Gradient)
数值优化(Numerical Optimization)学习系列-03-共轭梯度方法(Conjugate Gradient)

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/25 1:00:31

创维E900V22D刷机全攻略:S905L3SB芯片兼容性解析与救砖实战
创维E900V22D刷机全攻略:S905L3SB芯片兼容性解析与救砖实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/25 1:00:31

MQTT协议原理与Broker服务器搭建实战:从Mosquitto到EMQX
MQTT协议原理与Broker服务器搭建实战:从Mosquitto到EMQX

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/25 1:00:37

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码