研究人员开发了一种名为Havon v4的新型多词分词器,该分词器在204种语言上的效率均优于GPT-4o的分词器。Havon v4,尤其是在使用更大的词汇表进行训练时,对许多语言所需的词数更少,包括英语和印地语都有显著的提升。虽然Havon v3在印度语言上表现强劲,但v4在其基础上增加了多词训练阶段,为英语和更广泛的语言提供了更好的压缩效果,尽管没有空格的文字脚本获益较少。 AI
影响 为大型语言模型中多语言文本的更高效、更具成本效益的处理提供了潜力。
排序理由 该集群包含一篇详细介绍新型分词器模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- English
- FLORES-200+
- GPT-4o
- Havon v3
- Havon v4
- Havon v5
- Hindi
- Hugging Face
- Khmer
- SuperBPE
- Tibetan
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →