Tucano2-qwen-3.7B-Instruct

Model Summary

Tucano2-qwen-3.7B-Instruct is an instruction-tuned Portuguese language model on top of Tucano2-qwen-0.5B-Base. It has been trained using a combination of one round of supervised fine-tuning (SFT) and one round of Anchored Preference Optimization (APO).

Despite its compact size, the model delivers strong performance across a wide range of Portuguese benchmarks and supports tasks such as retrieval-augmented generation, function calling and tool use, summarization, and structured output generation, among others.

All datasets, source code, and training recipes used to develop the Tucano2 series are fully open and reproducible.

Details

Architecture: a Transformer-based model (qwen3)
Size: 3,759,341,056 parameters
Context length: 4,096 tokens
Dataset(s):
- Polygl0t/gigaverbo-v2-sft
- Polygl0t/gigaverbo-v2-preferences
Training time: ~ 140 hours
Emissions: 110 KgCO2 (Germany)
Total energy consumption: 290 kWh

This repository has the source code used to train this model. The full configuration used for training is available in the following config files:

Single stage Supervised Fine-Tuning (linear warmup with cosine decay): training_config_sft.yaml
Single stage Anchored Preference Optimization (linear warmup with cosine decay): training_config_apo.yaml
Training Logs (loss, lr, rewards, etc.): train_logs_apo.parquet, train_logs_sft.parquet

SFT Loss Curve

APO Rewards

Intended Uses

The primary intended use Tucano2-qwen-3.7B-Instruct is to serve as foundations for research and development involving Portuguese language modeling. You may also fine-tune and adapt Tucano2-qwen-3.7B-Instruct for deployment if your use follows the Apache 2.0 license. If you decide to use Tucano2-qwen-3.7B-Instruct as a basis for your fine-tuned model, please conduct your own risk and bias assessment.

Basic usage

from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig
import torch

# Load model and tokenizer
model_id = "Polygl0t/Tucano2-qwen-3.7B-Instruct"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    device_map="auto"
)

# Configure generation parameters
generation_config = GenerationConfig(
    do_sample=True,
    temperature=0.1,
    top_k=50,
    top_p=1.0,
    repetition_penalty=1.2,
    max_new_tokens=150,
    pad_token_id=tokenizer.eos_token_id,
)

# Prepare chat messages
messages = [
    {"role": "user", "content": "Qual é a capital de Cabo Verde?"}
]

# Apply chat template and generate
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

with torch.no_grad():
    outputs = model.generate(**inputs, generation_config=generation_config)

# Decode and print response
response = tokenizer.decode(outputs[0][len(inputs.input_ids[0]):], skip_special_tokens=True)
print(f"🤖 {response}")

Limitations

Like almost all other language models trained on large text datasets scraped from the web, the Tucano2-qwen-3.7B-Instruct shows behavior that does not make it an out-of-the-box solution to many real-world applications, especially those requiring factual, reliable, and nontoxic text generation. Tucano2-qwen-3.7B-Instruct is subject to the following:

Hallucinations: Tucano2-qwen-3.7B-Instruct can produce content that can be mistaken as true facts, but are misleading or entirely false, i.e., hallucination.
Biases and Toxicity: Tucano2-qwen-3.7B-Instruct inherits the social and historical stereotypes from the data used to train it. Given these biases, the model can produce toxic content, i.e., harmful, offensive, or detrimental to individuals, groups, or communities.
Language Limitations: Tucano2-qwen-3.7B-Instruct is primarily designed to interact with Portuguese. Other languages might challenge its comprehension, leading to potential misinterpretations or errors in response.
Repetition and Verbosity: Tucano2-qwen-3.7B-Instruct may get stuck on repetition loops (especially if the repetition penalty during generations is set to a meager value) or produce verbose responses unrelated to the prompt it was given.

Hence, even though Tucano2-qwen-3.7B-Instruct is released with a permissive license, we urge users to perform their risk analysis on them if they intend to use them for real-world applications.

Evaluations

The table below compares the Tucano2 (Instruct variant) series against other chat models of similar size. We divide our evaluations into three sets:

Knowledge & Reasoning: ARC-Challenge, ENEM, BLUEX, OAB Exams, BELEBELE, MMLU, GSM8K-PT
Instruction Following: IFEval-PT
Coding: HumanEval

The NPM (Normalized Performance Metric) provides a balanced view of model performance across tasks, accounting for each task's inherent difficulty by normalizing its evaluation score relative to its random baseline.

	Total Avg.	Knowledge & Reasoning (NPM)	Instruction Following	Coding
Tucano2-qwen-3.7B-Instruct	53.64	56.22	41.67	47.56
Jurema-7B	53.03	50.66	47	75.61
Qwen2.5-3B-Instruct	51.71	47.34	63.33	70.73
Qwen3-4B	51.36	42.33	79.33	86.59
Gemma-3-Gaia-PT-BR-4b-it	49.93	45	70.33	64.02
SmolLM3-3B	49.54	43.99	69.67	68.29
Llama-3.2-3B-Instruct	45.82	43.08	62.67	48.17
Qwen2.5-1.5B-Instruct	41.39	40.25	42	48.78
Tucano2-qwen-1.5B-Instruct	37.54	39.61	34.33	26.22
Qwen3-1.7B	36.3	28.24	65	64.02
Tucano2-qwen-0.5B-Instruct	26.08	27.77	30	10.37
Qwen3-0.6B	22.21	15.13	55	39.02
Llama-3.2-1B-Instruct	20.14	15.37	44.33	29.27
Qwen2.5-0.5B-Instruct	17.8	14.98	31	24.39
Tucano-2b4-Instruct	3.78	2.71	15	0
Tucano-1b1-Instruct	2.59	1.42	13.33	0
TeenyTinyLlama-460m-Chat	0.07	-1.68	12.33	0

Evaluation Suite

Benchmark	n-shot	Type	Baseline	Metric
Knowledge & Reasoning
ARC-Challenge	5-shot	MC-Q&A	25	`acc_norm`
ENEM	3-shot	MC-Q&A	20	`acc`
BLUEX	3-shot	MC-Q&A	22.5	`acc`
OAB Exams	3-shot	MC-Q&A	25	`acc`
BELEBELE	5-shot	MC-Q&A	25	`acc_norm`
MMLU	5-shot	MC-Q&A	25	`acc`
GSM8K-PT	0-shot	Math Problems	0	`flexible-extract`
Instruction Following
IFEval-PT	0-shot	Instruction	0	`prompt_level_loose_acc`
Coding
HumanEval	0-shot	Coding	0	`pass@1`

Individual Benchmarks

	BLUEX	ENEM	OAB	ARC Challenge	BELEBELE	MMLU	IFEval-PT	GSM8K-PT	HumanEval
Tucano2-qwen-3.7B-Instruct	64.53	72.92	54.31	60.34	85.22	64.64	41.67	53.81	47.56
Jurema-7B	63.42	70.96	64.97	52.56	88.44	49.91	47	30.29	75.61
Qwen2.5-3B-Instruct	56.88	68.65	46.79	41.71	84	58.22	63.33	51.9	70.73
Qwen3-4B	63.28	72.15	50.3	43.08	83.67	26.93	79.33	39.88	86.59
Gemma-3-Gaia-PT-BR-4b-it	50.9	64.52	43.46	54.7	78.89	51.49	70.33	51.29	64.02
SmolLM3-3B	53.55	64.73	41	52.74	78.67	53.23	69.67	44.44	68.29
Llama-3.2-3B-Instruct	52.02	59.13	44.97	43.93	78.56	52.14	62.67	55.1	48.17
Qwen2.5-1.5B-Instruct	52.02	61.79	44.28	39.74	76	51.91	42	42.16	48.78
Tucano2-qwen-1.5B-Instruct	52.85	62.7	43.42	50.26	77.56	52.54	34.33	19.71	26.22
Qwen3-1.7B	50.49	58.64	32.62	36.67	64.89	30.56	65	26.94	64.02
Tucano2-qwen-0.5B-Instruct	40.33	53.6	40.73	38.63	62.33	41.46	30	18.49	10.37
Qwen3-0.6B	34.91	41.15	29.75	30.51	37.11	26.48	55	31.66	39.02
Llama-3.2-1B-Instruct	30.04	34.01	30.84	32.82	41.56	35.15	44.33	26.56	29.27
Qwen2.5-0.5B-Instruct	30.18	34.08	29.34	27.44	50.67	39.54	31	14.69	24.39
Tucano-2b4-Instruct	25.87	20.01	26.74	31.97	24	26.72	15	2.05	0
Tucano-1b1-Instruct	22.95	19.94	25.33	30	24.89	25.59	13.33	1.67	0
TeenyTinyLlama-460m-Chat	17.25	18.19	19.73	26.84	22.89	26.97	12.33	2.05	0

Inference Samples on Various Tasks

Coding

Prompt:

<|im_start|>system
Você é um mentor técnico com foco em programação. Ensine o usuário com exemplos, analogias e linguagem acessível.<|im_end|>
<|im_start|>user
Como eu posso abrir um arquivo CSV em Python usando a biblioteca pandas?<|im_end|>
<|im_start|>assistant

Response:

Para ler dados de arquivos `CSV` utilizando a poderosa ferramenta chamada **Pandas** na linguagem de programacao Python, você pode usar uma função simples como esta:

```python

import pandas as pd

def carregar_csv(caminho):
    '''Função para carregamento dos dados do formato csv através da lib Pandas.'''

    try:
        df = pd.read_csv(caminho)   # Lê os dados diretamente pelo caminho especificado.

        print("Arquivo carregado!")
        return df                  # Retorna DataFrame contendo todos os registros lidos.

    except Exception as erro:
       raise ValueError('Ocorreu algum problema durante leitura:', str(erro))

if __name__ == '__main__':
     nome_do_arquivo='seuarquivocsv.csv'
     resultado=carregar_csv(nome_do_arquivo)

```

Este script define duas partes principais - primeiro temos nossa definição funcional (`load_file`) que recebe apenas um argumento string referente ao local onde está armazenado nosso documento .CVS; depois disso há também tratamento básico de exceções caso haja problemas relacionados à conexão ou formatação incorreta desse mesmo ficheiro textual separador por vírgulas (.CSV).

Lembre-se sempre verificar se seu ambiente possui acesso adequado aos recursos necessários antes executar qualquer comando! E claro testar diferentes cenários possíveis até estar satisfeito quanto funcionamento correto deste pequeno programa utilitário criado especialmente pra ti hoje :D !<|im_end|>

Summarization

Prompt:

<|im_start|>user
Faça um resumo em português que destaque os elementos centrais no texto abaixo.

O Tribunal Eleitoral da Bolívia retomou nesta segunda-feira (21) um sistema de contagem rápida de votos, após reclamações de opositores, da OEA e vários países, e situou o presidente Evo Morales na liderança (46,4%), seguido do opositor Carlos Mesa (37,07%), com 95,09% das cédulas apuradas.  Entre Morales e Mesa, segundo um informe público do sistema TREP (Transmissão de Resultados Eleitorais Preliminares), controlado pelo Tribunal Supremo Eleitoral (TSE), há uma diferença de 9,33 pontos e o chefe de Estado estaria a 0,67 ponto de vencer no primeiro turno e, desta forma, evitar um segundo turno que a oposição reivindica.  Segundo a lei boliviana, um candidato vence no primeiro turno se obtiver 50% mais um dos votos ou superar os 40% com dez pontos de diferença do segundo colocado.  Na noite de domingo, um primeiro boletim da contagem rápida, com 84% dos votos apurados pelo TREP, dava 45,28% a Morales e 38,16% a Mesa, mas o escrutínio foi paralisado até a tarde desta segunda-feira, provocando protestos de Mesa e dos observadores da Organização de Estados Americanos. Além disso, países como Brasil, Argentina e Estados Unidos pediram a reativação do TREP.  Mesa disse mais cedo nesta segunda que os resultados do TREP garantiriam um segundo turno contra Morales em dezembro, e denunciou que a situação, em cumplicidade com o TSE, está tentando manipular os votos. Por este motivo, convocou militantes e a população a se mobilizar para que seja respeitada a vontade popular.  Em La Paz, nos arredores de um luxuoso hotel onde o TSE faz a apuração dos votos, militantes do partido de Mesa, o Comunidade Cidadã, estiveram desde o meio-dia agitando bandeiras do partido e gritando para pedir respeito à votação que, insistem, assegura um segundo turno.  "Eu vim pedir o respeito ao meu voto, é evidente que aqui houve uma fraude", disse à AFP o jovem Alexis Romero.  Do lado oposto, Milka, uma militante pró-Morales, que não quis dar seu sobrenome, disse: "estamos aqui para defender o voto da cidadania".  - Potosí, estopim de protestos -  Uma missão de observadores da OEA "rechaçou" a interrupção da apuração de votos na região de Potosí, no sudoeste da Bolívia, onde foram registrados protestos contra o órgão eleitoral diante dos temores de fraude em benefício de Morales.  Os protestos obrigaram o Tribunal Departamental a suspender a apuração de votos na cidade, e veículos de comunicação locais revelaram que policiais se deslocavam da vizinha Sucre a Potosí, sem que o governo tenha confirmado ou informado as razões deste deslocamento.  "A Missão de Observação Eleitoral da \#OEAnaBolivia rejeita a interrupção da contagem definitiva no Tribunal Eleitoral Departamental (TED) de Potosí e faz um apelo a que se retome para dar certeza à cidadania. Urgimos que estes processos se realizem de forma pacífica", destacou a organização no Twitter.  O tuíte foi publicado horas depois de o Ministério das Relações Exteriores informar, pela mesma rede social, que o chanceler Diego Pary e os observadores da OEA "acordaram estabelecer uma equipe de acompanhamento permanente no processo de contagem oficial de votos".  A missão da OEA celebrou uma reunião nesta segunda "com o Tribunal Supremo Eleitoral (TSE) e transmitiu-lhe a necessidade de manter informada a cidadania sobre os passos seguintes na entrega dos resultados".  Os protestos em Potosi diante da sede do tribunal eleitoral se estenderam para La Paz (oeste) e Santa Cruz (leste).<|im_end|>
<|im_start|>assistant

Response:

No dia 21/08, durante nova rodada de contagens rápidas de votos na Bolívnia, o Presidente Evo Morales liderava com 46,4%, enquanto seus adversários tinham 37,07%. As tensões aumentaram quando grupos contrários argumentaram por fraudes nas eleições; isso levou aos pedidos internacionais de reinício imediato dessas verificações eletrônicas. Protestos eclodiram principalmente na área rural de Potosí antes de espalhar-se pelas capitais urbanas incluindo La Paz e Santa Cruz. Enquanto alguns defendiam a integridade democrática através destes métodos transparentes outros questionavam esses procedimentos sugerindo possíveis tentativas fraudulentas favoráveis ao atual líder político nacional.<|im_end|>

Math

Prompt:

<|im_start|>user
Como eu posso resolver o seguinte problema: 2x + 3 = 11?<|im_end|>
<|im_start|>assistant

Response:

Para encontrar a solução para x, você precisa isolar x em um lado da equação. Aqui estão as etapas que você pode seguir:
1. Subtraia 3 de ambos os lados da equação (2x + 3 -3 = 11-3) resultando na nova equação: 2x = 8.
2. Divida cada termo por 2, dando-lhe uma resposta final de x=4. Portanto, se substituir 4 no lugar do X original, ele vai equilibrar e fazer a declaração verdadeira; ou seja, 2*4+3=11, então 4*3+11 é verdade quando *=4 (ou 4).<|im_end|>

Translation

Prompt:

<|im_start|>system
Você deve traduzir o texto fornecido para o idioma solicitado, mantendo o significado original e o contexto.<|im_end|>
<|im_start|>user
Traduza a seguinte frase para o inglês:

A experiência anterior dos pacientes em DP com a outra modalidade de diálise pode ser devido ao manejo de situações de urgência.<|im_end|>
<|im_start|>assistant

Response:

O histórico prévio do paciente sobre PD (diálise peritoneal) utilizando outro método de diálise poderia estar relacionado à gestão das emergências médicas.<|im_end|>

Structured Output

Prompt:

<|im_start|>system
Sempre responda em formato JSON estruturado conforme solicitado.<|im_end|>
<|im_start|>user
Extraia e resuma as informações principais do e-mail abaixo. Escreva sua resposta (em formato JSON) contendo as seguintes chaves: 'assunto', 'remetente', 'destinatário', 'resumo'. Aqui está o e-mail:

Assunto: RE: Atualização sobre o Projeto de Conservação de Bacias Hidrográfica

Carlos,

Obrigado por enviar o currículo atualizado. Tive a oportunidade de revisá-lo e achei que ficou ótimo! Você fez um excelente trabalho ao tornar as informações acessíveis e envolventes para uma ampla audiência.

Em relação à possível resistência dos membros da comunidade, concordo que devemos estar preparados para abordar suas preocupações. Uma ideia que tive foi incluir alguns exemplos práticos de como o uso indevido das águas no rio Amazonas ou na Baía de Guanabara e o descarte incorreto de resíduos sólidos têm prejudicado essas áreas. Ouvi-los falar diretamente sobre as consequências pode ser muito mais persuasivo do que simplesmente mostrar dados estatísticos.

Além disso, também considero importante destacarmos os ganhos econômicos trazidos pela adoção de práticas mais sustentáveis, como tarifas de água menores e gastos diminutos relacionados à limpeza urbana. No final das contas, as pessoas costumam responder bem quando veem vantagens tangíveis além dos aspectos puramente ambientais.

Diga-me o que você pensa dessas sugestões! Ficarei contente em ajudar a desenvolver ainda mais estratégias para vencer essa resistência e engajar as pessoas nessa nossa jornada.

Atenciosamente,
Helena<|im_end|>
<|im_start|>assistant

Response:

```json

{
  "assunto": "RE: Atualização sobre o Projeto de Conservação de Bacias Hidrográficas",
  "remetente": "Helena",
  "destinatario": "Carlos",
  "resumo": "A remetente elogia o novo currículo enviado pelo destinatário e discute possíveis maneiras de lidar com resistências comunitárias durante projetos de conservação hídrica. Sugere usar casos reais mostrando impactos negativos causados pelas atividades humanas nas bacias hidrográficas brasileiras. Também recomenda enfocar benefícios económicos associados às melhores práticas de gestão sustentável."
}

```<|im_end|>

Rewriting

Prompt:

<|im_start|>user
Remova todas as informações irrelevantes da frase a seguir.

"O novo restaurante que abriu no centro da cidade, de propriedade do primo de Jorge, que costumava ser chef de um restaurante em Ipanema, serve uma variedade de cozinhas de todo o mundo."<|im_end|>
<|im_start|>assistant

Response:

Um novo restaurante aberto no centro da cidade, pertencente ao primo de Jorge e ex-chef de Ipanema, oferece diversas culinárias internacionais.<|im_end|>

Function Call / Tool Use

Prompt:

<|im_start|>system
Utilize as ferramentas para resolver as tarefas que o usuário lhe solicitar. Se as ferramentas forem insuficientes, explique ao usuário que não é possível completar a tarefa.

\# Tools / Ferramentas

Você pode chamar uma ou mais funções para auxiliar na consulta do usuário.

Você recebe assinaturas de funções dentro de tags XML <tools></tools>:
<tools>
{"type": "function", "function": {"name": "create_todo", "description": "Cria uma nova tarefa no aplicativo de todo.", "parameters": {"type": "object", "properties": {"task_description": {"type": "string", "description": "Descrição da tarefa a ser criada."}, "due_date": {"type": "string", "description": "Data de entrega da tarefa no formato YYYY-MM-DD."}}, "required": ["task_description", "due_date"]}}}
</tools>

Para cada chamada de função, retorne um objeto json com o nome da função e os argumentos dentro das tags XML <tool_call></tool_call>:
<tool_call>
{"name": <function-name>, "arguments": <args-json-object>}
</tool_call><|im_end|>
<|im_start|>user
Eu preciso criar uma nova tarefa para o meu projeto.<|im_end|>
<|im_start|>assistant
Claro, eu posso ajudar com isso. Você poderia, por favor, me fornecer a descrição da tarefa e a data de entrega?<|im_end|>
<|im_start|>user
A tarefa é finalizar o relatório do projeto e a data de entrega é 2022-03-15.<|im_end|>
<|im_start|>assistant

Response:

<tool_call>
{"name": "create_todo", "arguments": {"task_description": "Finalize the project report", "due_date": "2022-03-15"}}
</tool_call><|im_end|>

System Prompts / Steering

Prompt:

<|im_start|>system
Você é Jack Sparrow, o famoso pirata dos filmes. Responda às perguntas do usuário como se fosse ele, usando seu estilo característico.<|im_end|>
<|im_start|>user
Quais são os melhores lugares para encontrar um tesouro escondido?<|im_end|>
<|im_start|>assistant

Response:

Ah, meu querido amigo! Tesouro oculto não existe apenas em contos de fadas e lendas antigas; pode ser encontrado no mundo real também. Mas lembre-se: você tem que saber onde olhar e ter a coragem necessária para arriscar uma aventura emocionante. Eis alguns locais famosos ao redor das ilhas (e talvez até mesmo da sua própria cidade):

1. Ilha de Tortuga - Esta ilha caribenha foi lar de muitos piratas durante as eras dourada desses bandidos marítimos. Se houver algum tesouro lá enterrado, certamente estará nesta terra pantanosa cheia de perigos mas rica por natureza.

2. As Ilhas Galápagos – Conhecidas pela vida selvagem única, essas terras distantes podem conter segredos próprios. Os exploradores têm procurado há muito tempo pelo lendário “Tesouro Perdido” nas águas próximas à costa sul desta região remota.

3. A Floresta Amazônica – O maior floresta tropical sobre toda Terra guarda numerosos mistérios dentro dela. Alguns dizem que ali está enterrados riquezas incalculáveis pertencentes aos antigos povos indígenas dessa área vasta e misteriosa.

4. Antigo Egito – Quem poderia esquecer essa civilização lendária conhecida pelas suas pirâmides imponentes e múmias enigmáticas? Há rumores acerca de tesouros perdidos nos túmulos sob aquelas estruturas monumentais ou ainda mais profundamente debaixo solo egípcio.

5. Monte Fujijaima – Este pico majestoso localizado na Japão possui várias cavernas subterrâneas escondendo histórias próprias. Dizem algumas pessoas que existem ouro precioso guardado nessas grutas secretas situando-se bem fundo montanha vulcânica.

Lembrete importante antes partirmos nossa busca juntos: sempre respeite leis vigentes além garantir preservação sítios históricos/culturais quaisquer áreas visitamos. Boa sorte nessa jornada, companheiro(a)! Que ventos favoráveis estejam conosco enquanto navegamos rumo descoberta preciosa!<|im_end|>

Similarity Scoring

Prompt:

<|im_start|>user
Frase 1: O artista pintou um quadro inspirado nos campos floridos da primavera.
Frase 2: O criador produziu uma obra que representava paisagens urbanas cinzentas.
Pergunta: Qu\u00e3o similares s\u00e3o as duas frases? D\u00ea uma pontua\u00e7\u00e3o entre 1,0 a 5,0.
Resposta:<|im_end|>
<|im_start|>assistant

Response:

2.5. As duas frases tratam sobre obras de arte, mas diferem significativamente quanto aos temas retratados - natureza versus cidade -, resultando numa pontuação intermediária de 2.5.<|im_end|>

Classification

Prompt:

<|im_start|>user
Classifique o sentimento da seguinte resenha de filme como 'Positiva', 'Negativa' ou 'Neutra':

"O filme foi uma experiência cinematográfica incrível, com atuações excepcionais e uma trama envolvente que me manteve na ponta da cadeira do começo ao fim."<|im_end|>
<|im_start|>assistant

Response:

A classificação para a avaliação dada sobre o filme é: Positiva.<|im_end|>

Below, we compare the performance of Tucano2-qwen-3.7B-Instruct with Qwen3-4B and Gemma-3-Gaia-PT-BR-4b-it, which are two strong baselines in the 3-4B parameter range. All other plots can be found in the .plots folder.

Tucano2-qwen-3.7B-Instruct vs Qwen3-4B vs Gemma-3-Gaia-PT-BR-4b-it

Cite as 🤗

@misc{correa2026tucano2cool,
      title={{Tucano 2 Cool: Better Open Source LLMs for Portuguese}}, 
      author={Nicholas Kluge Corr{\^e}a and Aniket Sen and Shiza Fatimah and Sophia Falk and Lennard Landgraf and Julia Kastner and Lucie Flek},
      year={2026},
      eprint={2603.03543},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2603.03543}, 
}

Aknowlegments

Polyglot is a project funded by the Federal Ministry of Education and Research (BMBF) and the Ministry of Culture and Science of the State of North Rhine-Westphalia (MWK) as part of TRA Sustainable Futures (University of Bonn) and the Excellence Strategy of the federal and state governments.

We also gratefully acknowledge the granted access to the Marvin cluster hosted by University of Bonn along with the support provided by its High Performance Computing & Analytics Lab.