论文提出分词溢价测量与主权审计方法

Paulo Camara（LUA Vision）在 arXiv 发布论文，提出可复现的分词溢价测量方法：对 2023–2024 年发布的 7 种分词器、31 种语言，在《世界人权宣言》27 条文本上进行测量，并针对未知词元坍缩做了显式校正。论文还提出模型主权审计思路。 论文称，美国和中国之外部署的大语言模型多为少数预训练家族的微调后代，其词汇、知识、文化与许可等关键属性均继承自基座模型。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。