实体
Unigram
Unigram
PulseAugur coverage of Unigram — every cluster mentioning Unigram across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 3 条
-
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。
-
新大语言模型水印技术面临逃避和鲁棒性挑战
研究人员开发了几种新方法来解决大语言模型（LLM）水印技术的漏洞。一种方法SeedHijack针对伪随机数生成器（PRNG），在不知道密钥或模型logits的情况下操纵水印；另一种方法Bias-Inversion Rewriting Attack（BIRA）则使用负logits偏差来逃避检测。PASA和SAFESEAL等新的水印算法旨在抵抗语义不变攻击并实现最小失真，其中SAFESEAL保留命名实体并使用上下文感知的同义词。ArcMa…
-
新的ConvexTok算法使用凸优化来优化NLP分词
研究人员开发了一种新的分词算法，称为ConvexTok，它使用凸优化来构建分词器。与现有的贪婪方法（如BPE和Unigram）不同，ConvexTok考虑整个词汇表以做出最优决策。该算法在分词指标、语言模型的每字节比特数方面表现出改进，并提供了最优性的认证，在常见的词汇量大小下，其结果接近最优值的1%。