BPBench 显示中文开源模型压缩能力领先
ctnzr · x · 2026-07-25
这条转发讨论的是 BPBench：把一个预训练 LLM 当作“压缩器”，模型越能理解语言，压缩从未见过文本所需的比特数就越少。
它测的是训练截止日期之后发表的新鲜人类文本，方法是：
- 对文本做前向计算
- 用 log probabilities 算 bits-per-byte（bpb）
作者的结论是：在开放权重模型里，压缩能力最强的基本都是中国模型，只有 NVIDIA 的 Nemotron 是明显的西方例外，处在前沿簇里。
他还指出，商业 API 往往不开放 logprobs，因此很难直接做这种压缩测量；用采样去估计又太噪，无法还原分布尾部，所以对闭源 API 做 KL / log-prob 蒸馏也会非常困难。
「研究」频道最新
- 普渡大学打造无 GPS 穿林追踪跑者的自主无人机,LiDAR 全部上芯片 — KordingLab · 2026-10-26
- 研究:LLM 推荐药物集中于同一品牌,均值占比达 97.5% — EricTopol · 2026-10-26
- Papers with Code 宣布开源，采用 Apache 2.0 许可证 — NielsRogge · 2026-10-26
- 斯坦福 NLP COLM 2026 主题演讲:可解释性从被动观测转向因果干预 — stanfordnlp · 2026-10-26
- 中科大论文:若矩阵乘法指数低于 9/4,格密码筛法也将提速 — jedisct1 · 2026-10-26
- LLM 文本水印经典实现:GitHub 开源水印与检测算法 — adnan_hashmi · 2026-10-26