Российские нейросети столкнулись с нехваткой данных для развития
В России 20 ноября 2026 года стало известно о проблемах, с которыми столкнулись отечественные нейросети. Качественных русскоязычных данных недостаточно для обучения моделей. Об этом сообщает Ferra.
Отечественные большие языковые модели (LLM) показывают высокие результаты в задачах, связанных с русским языком, культурой и историей. Тем не менее, их дальнейшее развитие может быть затруднено из-за нехватки качественных данных для обучения.
Как сообщает «Газета.Ru», исследование, проведенное Институтом искусственного интеллекта ИТМО в сотрудничестве с экспертами МГУ, РАНХиГС, ВШЭ и AIRI, показало, что в начале 2026 года отечественные языковые модели заняли первые шесть мест в российском бенчмарке SLAVA, который включает 14 тысяч вопросов по истории, обществознанию и географии России.
При этом русскоязычный сегмент интернета примерно в 10–20 раз меньше, чем общемировой. Эксперты подчеркивают, что для создания универсальных моделей необходимо использовать многоязычные массивы данных, а доля русскоязычных материалов в обучающей выборке должна составлять от 5 до 30%.
«Русскоязычные данные влияют не только на естественность речи модели, но и на ее знание российских реалий, истории, права и культурного контекста. Однако универсальной модели необходим и мировой массив знаний. Важно не выбирать между российскими и иностранными данными, а работать с максимально разнообразным корпусом», — отметили авторы исследования.
Больше новостей и эксклюзивных видео смотрите в канале Самара Онлайн 24 в MAX
Читайте также:
Самарцы могут остаться без корпоратива: где еще остались места для новогодних гулянийКуда сходить в Самаре, если всё надоело: готовый гид для нескучных выходных



