Dla mediów

Opis projektu, liczby i logo do wykorzystania w publikacjach. Można z nich korzystać bez pytania o zgodę.

W jednym zdaniu

Wieszcz to niezależny projekt badawczy, w którym powstają modele językowe uczone wyłącznie na polszczyźnie z lat 1800–1918.

W jednym akapicie

Wieszcz to niezależny projekt badawczy prowadzony przez Szymona Kocura. Powstają w nim modele językowe uczone od zera na polskich tekstach wydanych w latach 1800–1918. Pierwsze wydanie, Wieszcz-XIX, składa się z korpusu 3,1 miliarda słów w 294 369 dokumentach oraz trzech modeli o 47, 107 i 349 milionach parametrów. Korpus, kod i wagi modeli są opublikowane.

Liczby i fakty

Korpus
3,1 mld słów w 294 369 dokumentach
Okres
teksty wydane w latach 1800–1918
Źródła
Internet Archive i Wolne Lektury
Modele
47, 107 i 349 mln parametrów, trenowane od zera
Artykuł
arXiv:2610.10592
Autor
Szymon Kocur, niezależny badacz, Warszawa
Licencje
kod i wagi Apache 2.0, korpus CC0 1.0 dla warstwy kompilacji

Co warto wiedzieć przed publikacją

  • Opublikowane modele kontynuują podany tekst. Nad wersją do rozmowy pracujemy.
  • Modele znają tylko to, co było w tekstach wydanych do 1918 roku.
  • Modele powtarzają uprzedzenia epoki, także antysemickie. Przy cytowaniu wygenerowanego tekstu prosimy to zaznaczyć.

Nazwa

„Wieszcz” to dawne słowo na poetę-proroka, tak nazywano wielkich poetów romantyzmu. Nazwa „Wieszcz” oznacza projekt, a „Wieszcz-XIX” jego pierwsze wydanie.

Jak cytować

@misc{kocur2026wieszcz,
  title  = {Wieszcz-XIX: A 3.1-Billion-Word Corpus of Pre-1918 Polish
            and Temporally Bounded Language Models Trained From Scratch},
  author = {Kocur, Szymon},
  year   = {2026},
  eprint = {2610.10592},
  archivePrefix = {arXiv},
  primaryClass  = {cs.CL},
  url    = {https://arxiv.org/abs/2610.10592},
}

Publikacje o projekcie

Kontakt dla mediów

Odpowiadamy po polsku i po angielsku.

[email protected]