Bilanz der Quelle: Die neue Benchmark Tokka-Bench (arXiv 2610.08794) bewertet sieben BPE-Tokenizer über 100 Sprachen und 20 Programmiersprachen hinweg anhand von fünf Kennzahlen wie Bytes je Token und Worttrennrate. Dabei zeigt sich, dass GPT-2 für Hindi mit 7,5 Tokens je Wort besonders ineffizient ist, während Gemma 3 und Kimi K2 deutlich bessere Werte erreichen.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Kalina Digest unterstützen
Lesen bleibt frei. Wer mag, gibt etwas zurück — ab 1 € einmalig, oder als Stufe für einen Monat, ein Quartal oder ein Jahr. Bisher: 5.00 € aus 1 Beiträgen.
