待验证50% 置信事实精确时间
每字节比特数（bpb）是语言模型压缩效率的度量：模型对文本的负对数似然除以原始字节数；由于所有分词器还原后的字节序列长度相同，bpb 不随 token 切分方式变化，适合跨词表比较。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证BLEU的核心思路是计算机器译文与参考译文之间的n-gram重叠程度，其局限性包括对词序变化不敏感、无法捕捉语义等价的同义替换、依赖参考译文质量和数量68% 相似待验证BM25 是词袋模型，只关注词频不理解词序和语义，但对精确术语匹配更可靠，不存在向量检索的语义漂移问题66% 相似待验证比特/字节是字节级语言模型的标准评估指标，本质上等同于以2为底的交叉熵，均匀分布模型的理论上界是8比特/字节65% 相似已验证BPE的核心思路是从字符级别出发，反复合并出现频率最高的相邻字符对，直到词汇表达到预设大小65% 相似待验证主流分词算法BPE和Unigram的优化目标本质上都是压缩：在有限词表下最小化语料编码长度。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1019326API
curl https://kongchang.com/api/v1/knowledge/claims/1019326MCP
get_claim(id=1019326)