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
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11