实体
Sennrich
Sennrich
PulseAugur coverage of Sennrich — every cluster mentioning Sennrich across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
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
-
字节对编码解释：从压缩到自然语言处理
本文解释了字节对编码（BPE），一种用于神经机器翻译的数据压缩算法。BPE 的工作原理是通过反复识别语料库中最频繁的相邻字符对，并用新符号替换它们。该过程纯粹是统计性的，不包含对语言、形态或含义的内在理解。作者提供了 Python 代码来演示 BPE 合并的训练和后续的编码过程，并强调了该算法如何通过频率计数来发现常见的词缀。
-
minbpe vs turboBPE: 更快的 LLM BPE 分词
对字节对编码（BPE）分词算法的两种不同实现进行了比较：minbpe，一个纯 Python 的教学工具；以及 turboBPE，一个显著更快的基于 C 扩展的实现。虽然 minbpe 非常适合理解核心 BPE 概念，但由于其迭代统计扫描方法，其性能对于大规模训练来说不切实际。turboBPE 通过引入批量合并和编译代码来解决这个问题，在保持与 minbpe 兼容的 API 的同时，大大缩短了训练和编码时间。