Вы когда-нибудь пробовали заставить GPT-4o ответить на карачаево-балкарском? Спойлер: она сломается уже на слове «кюнбатыш» (запад). А если не сломается, то выдаст дичь вроде турецкого с примесью казахского. Потому что в данных обучения этих языков – кот наплакал. Я прошел через ад разметки, >2500 часов датасетов и три переписанных токенизатора. Вот выжимка, которая сэкономит вам месяц жизни.
05 Июл 2026
•
Гайд
Как обучить LLM на малоресурсном языке: полный гайд на примере карачаево-балкарского с Qwen3-4B
Пошаговое руководство по дообучению Qwen3-4B для карачаево-балкарского языка: создание токенизатора, морфологический процессор, аугментация диалектов, тонкая на
