现代语言模型使用了两种主要的标记化算法：字节对编码（ BPE ）和UnigramLM。它们在两个正交轴上有所不同：它们的优化目标（压缩与对数似然）和它们的搜索过程（自下而上合并与自上而下修剪）。现有的比较混淆了这些轴，使得不清楚它们观察到的差异是否源于

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.19145v1)获取最准确的信息。

---
🔗 **原文链接**: [Objective vs. Search: Decomposing What Makes a Good Tokenise](https://arxiv.org/abs/2609.19145v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Ahmetcan Yavuz, Clara Meister, Tiago Pimentel

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-17 13:01