实体
BPE tokenizer
BPE tokenizer
PulseAugur coverage of BPE tokenizer — every cluster mentioning BPE tokenizer across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Neurograf v1：罗马尼亚语优先语言模型家族发布
研究人员推出了 Neurograf v1，这是一个从头开始开发的语言模型家族，专注于罗马尼亚语。该实验性流程包括一个大型罗马尼亚语语料库、一个自定义分词器以及五个不同大小的仅解码器模型，同时还有指令微调的助手和嵌入模型。该研究强调了创建罗马尼亚语优先模型的可行性，并指出了该过程中的实际挑战，例如语料库质量和分词效率。
-
新方法将语言模型转换为字节级别，解决了提示边界问题
研究人员开发了一种新颖的推理时方法，允许任何使用 BPE 分词器的自回归语言模型在字符或字节级别上运行。该技术有效解决了提示边界问题，该问题可能由于分词器与语言边界不对齐而扭曲模型生成，尤其影响代码生成和非英语语言。该方法还能够对具有不同分词器的模型进行集成，并通过代理调优促进它们之间的知识转移。