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.
Logo
Logo przedstawia literę W złożoną z zadrukowanej kartki. Prosimy używać go bez zmian.
Kolory
- bordo
#63191f - papier
#f3e9d2 - złoto
#d9a441
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.