mGPT 与 BLOOM 跨 18 种语言的多语言表征分析实验仓库发布

GitHub 新仓库 multilingual_generation 提供了一套 GPU 优先的多语言表征分析实现，使用 ai-forever/mGPT 和 bigscience/bloom-560m 覆盖 18 种语言。流程在 GPU 上完成隐藏状态提取、PCA（700 components）协方差累积与特征分解，以及每语言一个单分量对角 GMM，适配 14–16 GiB 单卡环境（如 Kaggle T4），模型权重以 FP16 顺序加载，生成 batch size 为 1、max_input_tokens 为 512。Aya 样本全量用于拟合，不做训练/测试切分，并支持复用已生成的 PCA 数据。