Dharma AI 预览 VocabX 词表专用化方法
热点事件持续更新
Dharma AI 预览 VocabX 词表专用化方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Dharma AI 在 Hugging Face 博客预览即将发布的 VocabX 论文：该方法按每个 token 的成本而非出现频率选择词表，在不更换基座模型、数据和训练配方的前提下，把基于 Qwen3-4B 的葡萄牙语作文评分器实测推理成本降低 77.0%，平均回复长度从 350 token 降至 101 token。 Dharma AI 称，上述数字来自仍在审稿中的论文当前版本，正式发表前可能变化；完整方法、各实验表格及被放弃的干预方案将在即将发布的 VocabX 论文中给出。
AI 根据报道生成 · 1 小时前更新
最新进展10月22日 01:35
SLM 词表专用化如何在真实应用中把推理成本降低 77%报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- Hugging Face BlogSLM 词表专用化如何在真实应用中把推理成本降低 77%
Dharma AI 在 Hugging Face 博客中介绍即将发布的 VocabX 论文，用按 token 成本而非出现频率选择词表的方法，在不更换基座模型、数据和训练配方的前提下，把基于 Qwen3-4B 的葡萄牙语作文评分器实测推理成本降低 77.0%，平均回复长度从 350 token 降到 101 token。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。