多家歐洲研究機構啟動OpenEuroLLM專案，獲歐盟資助推動AI透明度與多語言支援 | iThome
Link📌 Summary: 歐盟推動的OpenEuroLLM專案，致力於開發新一代開源大型語言模型，增強歐洲在人工智慧領域的競爭力，並確保技術透明度與法遵。專案特別強調多語言能力，涵蓋歐盟官方語言及其他重要語種，目的是降低當地產業導入人工智慧的門檻。整合多方資源與技術，OpenEuroLLM將提供開源模型供微調與擴充，並遵循歐盟隱私原則，支援專業領域應用。
Reader-LM: Small Language Models for Cleaning and Converting HTML to Markdown
Link📌 Summary: 本文介紹了 Jina Reader 的新版本 —— Reader-LM，一種專為從雜亂的 HTML 轉換為乾淨的 markdown 而設計的小型語言模型 (SLM)。此模型擁有兩個版本，reader-lm-0.5b 和 reader-lm-1.5b，均支持多語言且具有高達 256K 的上下文長度。儘管參數較少，這些模型在轉換效率和性能上表現優於許多大型模型。文章詳細描述了數據準備、模型訓練及其面臨的挑戰，並強調該模型在長上下文支持和生成能力上的優勢。
blocks.md - Markdown to amazing forms and web pages
Link📌 Summary: 本文介紹了Blocks.mdi，這是一個將Markdown文件轉換為美觀、可定制、可訪問的表單和網頁的工具。使用者可以透過簡單的Markdown語法設計不同輸入類型的表單，包括文本、電子郵件及評分等形式，並且可通過邏輯跳轉和進度指示來增強用戶體驗。其功能還包括數據綁定、自定義品牌設置和多語言本地化，並且不需創建賬戶即可免費使用，當使用在生產網站時才能選擇購買許可證。
🌘 Google研究：MADLAD-400多語言和文檔級大型審計數據集
➤ MADLAD-400: 多語言和文檔級大型審計數據集
✤ https://github.com/google-research/google-research/tree/master/madlad_400
這個存儲庫包含MADLAD-400的檢查點和詞彙表：一個多語言和文檔級大型審計數據集。 詞彙表用於訓練上面列出的模型。 請聯繫{snehakudugunta，icaswell}꩜google.com，以獲取任何問題或觀察到的問題。 該頁面上將列出問題以幫助未來的用戶。
+ 這是一個很好的數據集，對於多語言和文檔級的研究非常有用。
+ Google研究一直在推動人工智能的發展，這個數據集的推出將有助於更好地訓練模型。
#Google研究 #MADLAD-400 #多語言 #文檔級 #審計數據集
