본 논문은 100만, 200만, 400만 토큰에 이르는 초장문 맥락을 가진 대규모 언어 모델(LLM)을 효율적으로 훈련하는 방법을 제시합니다. Llama3.1-Instruct 모델을 기반으로 효율적인 지속적 사전 훈련 전략과 효과적인 지시 조정을 활용하여 맥락 창을 확장하고, 지시 따르기 및 추론 능력을 유지합니다. 결과적으로 생성된 UltraLong-8B 모델은 다양한 장문 맥락 벤치마크에서 최첨단 성능을 달성하며, 표준 벤치마크에서도 경쟁력 있는 성능을 유지합니다. 또한, 확장 전략 및 데이터 구성의 영향을 강조하며 주요 설계 선택에 대한 심층 분석을 제공합니다. 모든 모델 가중치는 공개됩니다.