新加坡国立大学发布东南亚首个开源大模型SEA-LION

新加坡国立大学发布东南亚首个开源大模型SEA-LION

新加坡国立大学（NUS）研究团队发布了SEA-LION（Southeast Asian Languages In One Network），这是东南亚地区首个专门针对本地语言训练的开源大模型。

SEA-LION支持超过20种东南亚语言，包括印尼语、泰语、越南语、菲律宾语、马来语、缅甸语等。项目负责人Bryan Hooi教授表示，现有的主流大模型在处理东南亚语言时的表现普遍不佳，SEA-LION的目标就是填补这一空白。

训练数据是SEA-LION的核心竞争力。研究团队花了超过一年时间收集了高质量的东南亚语言语料，包括新闻文章、维基百科、政府文件、社交媒体内容等。特别值得一提的是，团队还与多个东南亚国家的本地机构合作，收集了大量的口语化对话数据。

在标准评测中，SEA-LION在东南亚语言任务上的表现明显优于同规模的其他开源模型。比如在印尼语文本分类任务上，SEA-LION的准确率比Llama 2高出约15个百分点。这对于本地化的AI应用开发来说是一个重要的进步。

新加坡政府对SEA-LION项目给予了大力支持。新加坡国立研究基金会（NRF）为项目提供了超过500万新元的研究经费。政府还计划将SEA-LION用于公共服务领域，比如多语言的政府网站、智能客服等。

SEA-LION采用Apache 2.0许可证开源发布，任何人都可以免费使用和商用。研究团队表示，欢迎东南亚各国的开发者和机构参与到模型的改进和完善中来。未来，团队计划进一步扩大语言覆盖范围，增加更多东南亚少数民族语言的支持。