本研究针对挪威及其低资源语言（如萨米语）在大规模语言模型训练中的数据短缺问题，提出了一种三阶段的持续训练方法，强调灵活模型的重要性，并发布了新的NorMistral-11B模型。

这篇文章介绍了一种名为MeritFed的个性化联邦学习算法，适用于自然语言任务中的异构数据。作者使用多语言机器翻译共享任务的数据集和萨米语进行评估，结果显示目标数据集大小影响辅助语言之间的权重分布，无关语言不会干扰训练。该方法简单易用，只需几行代码，并提供了实验重现的脚本。