← 返回卡片

原书出处

大语言模型-基础与前沿 (熊涛)

02 第2章 语言模型和分词

核验版本的摘录快照 · 导入于 2026-11-18T14:25:08.825Z

定于语言的预分词器,例如,用于汉语、日语和泰语的预分词器XLM(Lample and Conneau,2019)。另外,

SentencePiece为神经网络文本处理中的子词分词和反分词(detokenization)提供了一种简单且不受语言限制的解决方案。它将输入视为包含空格的原始字符流,并应用BPE算法或单元语法算法来构造词表。

XLNetTokenizer使用SentencePiece,其词表中包括下画线字符(_)。使用Sentence-Piec

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter4.xhtml

EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d