SwePub
Sök i LIBRIS databas

  Utökad sökning

id:"swepub:oai:DiVA.org:umu-215226"
 

Sökning: id:"swepub:oai:DiVA.org:umu-215226" > Formalizing BPE Tok...

Formalizing BPE Tokenization

Berglund, Martin, 1981- (författare)
Umeå universitet,Institutionen för datavetenskap
van der Merwe, Brink (författare)
Department of Computer Science, Stellenbosch University, Stellenbosch, South Africa
 (creator_code:org_t)
Open Publishing Association, 2023
2023
Engelska.
Ingår i: 13th International Workshop onNon-Classical Models of Automata and Applications (NCMA 2023). - : Open Publishing Association. ; , s. 16-27
  • Konferensbidrag (refereegranskat)
Abstract Ämnesord
Stäng  
  • In this paper, we formalize practical byte pair encoding tokenization as it is used in large language models and other NLP systems, in particular we formally define and investigate the semantics of the SentencePiece and HuggingFace tokenizers, in particular how they relate to each other, depending on how the tokenization rules are constructed. Beyond this we consider how tokenization can be performed in an incremental fashion, as well as doing it left-to-right using an amount of memory constant in the length of the string, enabling e.g. using a finite state string-to-string transducer.

Ämnesord

NATURVETENSKAP  -- Data- och informationsvetenskap -- Datavetenskap (hsv//swe)
NATURAL SCIENCES  -- Computer and Information Sciences -- Computer Sciences (hsv//eng)

Publikations- och innehållstyp

ref (ämneskategori)
kon (ämneskategori)

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...
Berglund, Martin ...
van der Merwe, B ...
Om ämnet
NATURVETENSKAP
NATURVETENSKAP
och Data och informa ...
och Datavetenskap
Artiklar i publikationen
Av lärosätet
Umeå universitet

Sök utanför SwePub

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy