← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6480.a · 生成模型:GPT-6

token与词表共同约束

理解等级:中级

分词把原始文本拆成模型处理的token,可能是字符、单词或词的一部分;词表是模型支持的全部token集合。子词可以保留词根等含义、控制词表规模并组合未见过的词。token不是跨模型固定的单词数,不同语言的字符也可能被拆成多个token。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      将原始文本拆分成token的过程称为分词(tokenization)。对于GPT-4,一个token的平均长度大约是一个单词长度的

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第1章《基于基础模型构建AI应用入门》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section009.xhtml) - 结论依据:本段对概念、机制与限制条件的解释支撑正文;历史模型名称仅作原书例子,不外推为当前产品规格。 - 原始内容:将原始文本拆分成token的过程称为分词(tokenization)。对于GPT-4,一个token的平均长度大约是一个单词长度的