Benchmarking Linguistic Adaptation in Comparable-Sized LLMs: A Study of Llama-3.1-8B, Mistral-7B-v0.1, and Qwen3-8B on Romanized Nepali
Fuente:
arXiv
Guardado en:
| Autores principales: | Rimal, Ananda, Rimal, Adarsha |
|---|---|
| Formato: | Preprint |
| Publicado: |
2026
|
| Materias: | |
| Acceso en línea: | |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
Ejemplares similares
Introducing Super RAGs in Mistral 8x7B-v1
por: Thakur, Ayush, et al.
Publicado: (2024)
por: Thakur, Ayush, et al.
Publicado: (2024)
Llama Scope: Extracting Millions of Features from Llama-3.1-8B with Sparse Autoencoders
por: He, Zhengfu, et al.
Publicado: (2024)
por: He, Zhengfu, et al.
Publicado: (2024)
Towards Nepali-language LLMs: Efficient GPT training with a Nepali BPE tokenizer
por: Shrestha, Adarsha, et al.
Publicado: (2025)
por: Shrestha, Adarsha, et al.
Publicado: (2025)
Llama-Mob: Instruction-Tuning Llama-3-8B Excels in City-Scale Mobility Prediction
por: Tang, Peizhi, et al.
Publicado: (2024)
por: Tang, Peizhi, et al.
Publicado: (2024)
Applying Refusal-Vector Ablation to Llama 3.1 70B Agents
por: Lermen, Simon, et al.
Publicado: (2024)
por: Lermen, Simon, et al.
Publicado: (2024)
Code Generation and Algorithmic Problem Solving Using Llama 3.1 405B
por: Deroy, Aniket, et al.
Publicado: (2024)
por: Deroy, Aniket, et al.
Publicado: (2024)
Benchmarking Llama2, Mistral, Gemma and GPT for Factuality, Toxicity, Bias and Propensity for Hallucinations
por: Nadeau, David, et al.
Publicado: (2024)
por: Nadeau, David, et al.
Publicado: (2024)
Llama SLayer 8B: Shallow Layers Hold the Key to Knowledge Injection
por: Chen, Tianxiang, et al.
Publicado: (2024)
por: Chen, Tianxiang, et al.
Publicado: (2024)
MGH Radiology Llama: A Llama 3 70B Model for Radiology
por: Shi, Yucheng, et al.
Publicado: (2024)
por: Shi, Yucheng, et al.
Publicado: (2024)
EXAONE 3.0 7.8B Instruction Tuned Language Model
por: An, Soyoung, et al.
Publicado: (2024)
por: An, Soyoung, et al.
Publicado: (2024)
Metaheuristic Optimization Algorithm for Vulnerability Detection in Web of Things Environment
por: Romil Rawat, et al.
Publicado: (2026)
por: Romil Rawat, et al.
Publicado: (2026)
Lisbon Computational Linguists at SemEval-2024 Task 2: Using A Mistral 7B Model and Data Augmentation
por: Guimarães, Artur, et al.
Publicado: (2024)
por: Guimarães, Artur, et al.
Publicado: (2024)
LinguIUTics at PsyDefDetect: Iterative Imbalance-Aware Fine-tuning of Qwen3-8B for Psychological Defense Mechanism Classification
por: Adib, Shefayat E Shams, et al.
Publicado: (2026)
por: Adib, Shefayat E Shams, et al.
Publicado: (2026)
Llama-3.1-FoundationAI-SecurityLLM-Reasoning-8B Technical Report
por: Yang, Zhuoran, et al.
Publicado: (2026)
por: Yang, Zhuoran, et al.
Publicado: (2026)
Llama-3.1-FoundationAI-SecurityLLM-8B-Instruct Technical Report
por: Weerawardhena, Sajana, et al.
Publicado: (2025)
por: Weerawardhena, Sajana, et al.
Publicado: (2025)
Llama-3.1-FoundationAI-SecurityLLM-Base-8B Technical Report
por: Kassianik, Paul, et al.
Publicado: (2025)
por: Kassianik, Paul, et al.
Publicado: (2025)
Extending LLMs to New Languages: A Case Study of Llama and Persian Adaptation
por: Sani, Samin Mahdizadeh, et al.
Publicado: (2024)
por: Sani, Samin Mahdizadeh, et al.
Publicado: (2024)
Bielik 7B v0.1: A Polish Language Model -- Development, Insights, and Evaluation
por: Ociepa, Krzysztof, et al.
Publicado: (2024)
por: Ociepa, Krzysztof, et al.
Publicado: (2024)
Advances in Complex Oxide Quantum Materials Through New Approaches to Molecular Beam Epitaxy
por: Rimal, Gaurab, et al.
Publicado: (2023)
por: Rimal, Gaurab, et al.
Publicado: (2023)
Fine-Tuning Qwen 2.5 3B for Realistic Movie Dialogue Generation
por: Gupta, Kartik
Publicado: (2025)
por: Gupta, Kartik
Publicado: (2025)
Qwen3 Technical Report
por: Yang, An, et al.
Publicado: (2025)
por: Yang, An, et al.
Publicado: (2025)
Llama-Embed-Nemotron-8B: A Universal Text Embedding Model for Multilingual and Cross-Lingual Tasks
por: Babakhin, Yauhen, et al.
Publicado: (2025)
por: Babakhin, Yauhen, et al.
Publicado: (2025)
Canary-1B-v2 & Parakeet-TDT-0.6B-v3: Efficient and High-Performance Models for Multilingual ASR and AST
por: Sekoyan, Monica, et al.
Publicado: (2025)
por: Sekoyan, Monica, et al.
Publicado: (2025)
The Common Pile v0.1: An 8TB Dataset of Public Domain and Openly Licensed Text
por: Kandpal, Nikhil, et al.
Publicado: (2025)
por: Kandpal, Nikhil, et al.
Publicado: (2025)
Qwen3Guard Technical Report
por: Zhao, Haiquan, et al.
Publicado: (2025)
por: Zhao, Haiquan, et al.
Publicado: (2025)
Benchmarking EngGPT2-16B-A3B against Comparable Italian and International Open-source LLMs
por: Sassella, Andrea, et al.
Publicado: (2026)
por: Sassella, Andrea, et al.
Publicado: (2026)
Domain Adaptation of Llama3-70B-Instruct through Continual Pre-Training and Model Merging: A Comprehensive Evaluation
por: Siriwardhana, Shamane, et al.
Publicado: (2024)
por: Siriwardhana, Shamane, et al.
Publicado: (2024)
Concepts Whisper While Syntax Shouts: Spectral Anti-Concentration and the Dual Geometry of Transformer Representations
por: Acharya, Pratyush, et al.
Publicado: (2026)
por: Acharya, Pratyush, et al.
Publicado: (2026)
Graph Attention Network-Based Detection of Autism Spectrum Disorder
por: Kelly, Abigail, et al.
Publicado: (2026)
por: Kelly, Abigail, et al.
Publicado: (2026)
Llama-3-Nanda-10B-Chat: An Open Generative Large Language Model for Hindi
por: Choudhury, Monojit, et al.
Publicado: (2025)
por: Choudhury, Monojit, et al.
Publicado: (2025)
JetMoE: Reaching Llama2 Performance with 0.1M Dollars
por: Shen, Yikang, et al.
Publicado: (2024)
por: Shen, Yikang, et al.
Publicado: (2024)
ZAYA1-8B Technical Report
por: Washbourne, Robert, et al.
Publicado: (2026)
por: Washbourne, Robert, et al.
Publicado: (2026)
BadLlama: cheaply removing safety fine-tuning from Llama 2-Chat 13B
por: Gade, Pranav, et al.
Publicado: (2023)
por: Gade, Pranav, et al.
Publicado: (2023)
Parameter Efficient Fine Tuning Llama 3.1 for Answering Arabic Legal Questions: A Case Study on Jordanian Laws
por: Fasha, Mohammed, et al.
Publicado: (2026)
por: Fasha, Mohammed, et al.
Publicado: (2026)
Qwen3-Coder-Next Technical Report
por: Cao, Ruisheng, et al.
Publicado: (2026)
por: Cao, Ruisheng, et al.
Publicado: (2026)
Is Bigger Edit Batch Size Always Better? -- An Empirical Study on Model Editing with Llama-3
por: Yoon, Junsang, et al.
Publicado: (2024)
por: Yoon, Junsang, et al.
Publicado: (2024)
Qwen3-VL-Embedding and Qwen3-VL-Reranker: A Unified Framework for State-of-the-Art Multimodal Retrieval and Ranking
por: Li, Mingxin, et al.
Publicado: (2026)
por: Li, Mingxin, et al.
Publicado: (2026)
NepaliGPT: A Generative Language Model for the Nepali Language
por: Pudasaini, Shushanta, et al.
Publicado: (2025)
por: Pudasaini, Shushanta, et al.
Publicado: (2025)
Qwen3-TTS Technical Report
por: Hu, Hangrui, et al.
Publicado: (2026)
por: Hu, Hangrui, et al.
Publicado: (2026)
Qwen3-ASR Technical Report
por: Shi, Xian, et al.
Publicado: (2026)
por: Shi, Xian, et al.
Publicado: (2026)
Ejemplares similares
-
Introducing Super RAGs in Mistral 8x7B-v1
por: Thakur, Ayush, et al.
Publicado: (2024) -
Llama Scope: Extracting Millions of Features from Llama-3.1-8B with Sparse Autoencoders
por: He, Zhengfu, et al.
Publicado: (2024) -
Towards Nepali-language LLMs: Efficient GPT training with a Nepali BPE tokenizer
por: Shrestha, Adarsha, et al.
Publicado: (2025) -
Llama-Mob: Instruction-Tuning Llama-3-8B Excels in City-Scale Mobility Prediction
por: Tang, Peizhi, et al.
Publicado: (2024) -
Applying Refusal-Vector Ablation to Llama 3.1 70B Agents
por: Lermen, Simon, et al.
Publicado: (2024)