看影片（在新分頁開啟原站）連到 YouTube・Jia-Bin Huang
摘要
探討語言模型如何理解文字，從傳統的詞元編碼演進至以原始位元組為基礎的模型，如 ByT5、CANINE 等。觀眾能了解模型如何從資料中學習適應性單元，以及未來分詞技術的潛在方向。
This video explains how language models understand text by evolving from word tokens to byte-level models like ByT5 and CANINE.
這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。
提到的工具與公司
- ByT5
- CANINE
- MegaByte
- BLT
適合誰看
正在學習大型語言模型原理或開發者。
摘要依據
- 講者
- Jia-Bin Huang
- 依據
- 標題與說明欄（還沒有取得字幕或內文）
為什麼排在這裡
- 人氣
- 0.35
- 新鮮
- 1.00
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- Tokenization and Byte Pair Encoding影片 ・ Luis Serrano Academy ・ 8 分鐘
- 【生成式AI導論 2024】第10講：今日的語言模型是如何做文字接龍的 — 淺談Transformer (已經熟悉 Transformer 的同學可略過本講)影片 ・ Hung-yi Lee ・ 38 分鐘
- The spelled-out intro to language modeling: building makemore影片 ・ Andrej Karpathy ・ 1 小時 58 分
- Token 到底是什么？—— 揭秘大模型背后的“文字压缩术”影片 ・ 马克的技术工作坊 ・ 11 分鐘
- 【生成式人工智慧與機器學習導論2025】第3講：解剖大型語言模型影片 ・ Hung-yi Lee ・ 2 小時 5 分
- Next-token prediction | AI Coding Dictionary文章 ・ AI Hero（Matt Pocock）
摘要由 AI 根據標題與說明欄產生（還沒有取得原文），可能有誤；完整內容請看原站。看影片（在新分頁開啟原站）