L\"ushi-1840: Создание и изучение границ знаний для классической модели китайского языка

arXiv:2610.16201v1 Annualce Type: New Extraview: Language Models, тренированные только по тексту за тот или иной год, полезны для изучения ретроспективного и исторического языка, однако открытые коллекции домодернизированных китайских языков не содержат дат публикации и ненадежных династий. Мы представляем L\"ushi-1840", модель 983M-параметра, тренированная с нуля на 12 262 книги (1.28B символы), выбранные как составленная до 1840 года. Первый корпус, датированный общим эвристиком, фактически закончился в 1644 году и содержал материал двадцатого века. Мы описываем замену трубопровода на ретракционные и чистящие трубы, а также результаты проверки с помощью неиспользованных маркеров, которые все еще находят материалы позднее. С точки зрения модели мы измеряем сюрприз по сравнению со современными ссылками на анналы, собранные после отсечения. В случае событий, происшедших после 1840 года, в сравнении с событиями до 1820 года соотношение составляет 1,38 (95% интервала 1.33-1,44) по сравнению примерно с 1,00 для современных моделей общего назначения. В серии из 294М моделей, добавляя более поздние судебные записи th