English(EN) The Left Ripple of Byte-Pair Encoding: Certified Lookbehind for Every Dictionary

字节对编码形式化：主要大型语言模型中发现的无限分词变化

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-11 05:00

研究人员形式化了字节对编码（BPE），这是一种常用于大型语言模型（LLM）的分词方法，以理解文本前缀如何改变分词。他们开发了一种使用“半径证书”的方法，可以有效地确定对于任何给定词典，这种改变是无限的还是有限的。分析表明，像GPT-2、cl100k、o200k和Llama 3这样的模型在其初始合并阶段就具有无限的起源半径，这表明前缀文本可能导致显著的分词变化。 AI

影响形式化了大型语言模型中的分词变化，可能影响提示工程和模型行为。

排序理由学术论文，详细介绍了字节对编码的形式化及其对大型语言模型的影响。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 33 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了字节对编码的形式化及其对大型语言模型的影响。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Nicklas Nidh\"ogg · 2026-11-11 05:00

字节对编码的左侧涟漪：为每个词典提供认证的后视

arXiv:2611.13061v1 Announce Type: cross Abstract: Berglund and van der Merwe formalized byte-pair encoding and bounded how far an appended string can change a tokenization, leaving the converse open: how far can a string prepended on the left change it, which dictionaries make th…

本文如何被排名

报道来源 [1]

字节对编码的左侧涟漪：为每个词典提供认证的后视

相关实体

相关话题