Отечественные большие языковые модели (LLM) демонстрируют хорошие результаты в задачах, связанных с русским языком, историей и культурным контекстом. Однако дальнейшее развитие российских нейросетей может столкнуться с нехваткой качественных данных для обучения.
Как пишет «Газета.Ru», исследование Института искусственного интеллекта ИТМО совместно с экспертами МГУ, РАНХиГС, ВШЭ и AIRI показало, что в начале 2026 года первые шесть мест в российском бенчмарке SLAVA заняли отечественные языковые модели. Он включает 14 тысяч вопросов по истории, обществознанию и географии России.
При этом русскоязычный сегмент интернета примерно в 10–20 раз меньше общемирового. Эксперты считают, что для развития универсальных моделей необходимо использовать многоязычные массивы информации, а оптимальная доля русскоязычных материалов в обучающей выборке может составлять от 5 до 30%.
«Русскоязычные данные определяют не только то, насколько естественно модель говорит по-русски: от них зависит знание российских реалий, истории, права и культурного контекста. Но универсальной модели нужен и мировой массив знаний. Ключевой вопрос — не выбирать между российскими и иностранными данными, а работать с максимально разнообразным корпусом», — отметили авторы исследования.
Источник: www.ferra.ru