研究人员开发了“The Functionalizer”,一个新颖的预分词器框架,旨在提高子词分词效率。该系统将拼写和结构变体分解为操作码和操作数的组合流,并使用Unicode私用区进行编码。Functionalizer支持大小写、变音符号和字符重复的可逆转换,从而显著减小词汇量,并在各种语料库中将词汇槽需求减少高达16%。对GPT-2规模模型的初步评估表明,在保持文本连贯性的同时,代码语法有效性和字符困惑度得到了改善。 AI
影响 这种新的分词方法可以通过减小词汇量和提高代码相关任务的性能,从而实现更高效的语言模型。
排序理由 该集群包含一篇详细介绍子词分词新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →