Liquid AI 将模型 tokenizer 原地扩容到 12.8 万词表
pmttyji · reddit · 2026-07-22
Liquid AI 分享了 LFM2.5-8B-A1B 背后的 tokenizer 升级方法：它不是从头重训，而是对一个预训练模型的分词器做 in-place 扩容。
要点包括：
- 词表从 65K 扩到 128K。
- 目标是修复原 tokenizer 对某些语言切分过细的问题。
- 帖子同时给出了博客和 arXiv 技术报告，信息量更偏方法论而不是单纯模型发布。
配图展示了英文和泰文的对比：英文 token 数几乎不变，而泰文在扩容后能以更合理的方式切分，说明这种做法对多语言场景尤其有价值。
所属事件:Liquid AI 原地扩容 LFM2 词表至 128K，多语言解码大幅提速(5 条相关)→
「研究」频道最新
- Chelsea Finn：机器人 RL 的瓶颈是物理 rollout 成本 — ycombinator · 2026-07-27
- ICML 2026 口头论文复现分数重算后仍偏中等 — profjamesevans · 2026-07-27
- 长周期智能体最终需要不可变事件日志 — sebpaquet · 2026-07-27
- Seed IQ 在 Doom II 里通关，引出 ARC-AGI 之后的评测问题 — Fit_Transition8824 · 2026-07-27
- 实测智能体数据科学工作流：代码能跑但常答错问题 — hugobowne · 2026-07-27
- 一份横跨 ML、系统、NLP 与音频的经典论文清单 — deliprao · 2026-07-27