Hugging Face推出mmBERT，一种支持1800多种语言的多语言编码器

InfoQ ·

Hugging Face发布了mmBERT，这是一种新型多语言编码器，训练于超过3万亿个标记，涵盖1,833种语言。该模型通过渐进式训练，从60种高资源语言扩展到所有语言，显著提升了多语言理解能力，并在多个评估中超越了早期的多语言编码器，展现了高效性与覆盖率的平衡。

Hugging Face mmBERT 多语言多语言编码器渐进式训练编码器语言覆盖

原文英文，约500词，阅读约需2分钟。