ContextWindow
Тег

#bpe

Исследования

Что такое токены в языковых моделях и почему их количество определяет стоимость и возможности GPT

Токен — минимальная единица текста, которую языковая модель обрабатывает за один шаг: не символ и не слово, а фрагмент, получаемый алгоритмом токенизации. От числа токенов зависит цена запроса к API, размер контекстного окна и скорость генерации.

Исследования

Сколтех и Яндекс опубликовали методологию токенизатора для русского языка

7 мая Сколтех и Yandex Research опубликовали препринт с методологией токенизатора, оптимизированного под русскоязычные корпуса. Заявленное снижение средней длины последовательности — 14–18% по сравнению с tiktoken cl100k. При больших объёмах запросов это напрямую конвертируется в деньги.