T
Tokenizer
Также известен как: Токенизатор, BPE
Основы AIОпределение
Tokenizer — компонент, преобразующий текст в последовательность токенов (чисел), которые понимает языковая модель.
Маршрут: Как устроен ChatGPT
шаг 1 из 10Простое объяснение
Tokenizer — как переводчик человеческого языка в язык цифр, который понимает AI. Разбивает текст на кусочки и присваивает каждому номер.
Подробнее
Tokenizer — первый этап обработки текста в LLM. BPE (Byte Pair Encoding) — популярный алгоритм: начинает с символов и итеративно объединяет частые пары. GPT использует tiktoken, LLaMA — SentencePiece. Разные токенизаторы дают разное количество токенов для того же текста. "Tokenizer tax" — неэффективность для некоторых языков (русский требует больше токенов, чем английский). Выбор tokenizer влияет на vocabulary size, эффективность и поддержку языков.
Как термин связан с другими
Открыть карту связей- Дальше
- Token
