开源框架Tokka-Bench评测分词器
热点事件持续更新
开源框架Tokka-Bench评测分词器
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Ben Gubler 提出并开源了分词器评测框架 Tokka-Bench，用 bytes per token、unique token coverage、subword fertility、word-split rate 和 vocabulary composition 五项指标，在 100 种自然语言（涵盖 30 多种文字系统）和 20 种编程语言上评测 tokenizer，并针对不同书写系统采用语言感知的分词方式。 据该框架介绍，其框架、数据和交互式仪表盘均已公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
Tokka-Bench：跨 100 种自然语言与 20 种编程语言的 tokenizer 评测框架报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.CLTokka-Bench：跨 100 种自然语言与 20 种编程语言的 tokenizer 评测框架
开源框架 Tokka-Bench 发布，用 bytes per token、unique token coverage、subword fertility、word-split rate 和 vocabulary composition 五项指标，在 100 种自然语言（30+ 种文字系统）和 20 种编程语言上评测 tokenizer。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。