待验证50% 置信事实精确时间
Unicode码点空间被划分为每256个码点一页（如U+0000–U+00FF为一页），同一书写系统的字符通常落在相邻页内，其归一化行为在同页内高度一致。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
BERT分词瓶颈前移：归一化竟吞掉88%编码时间
rss2026/10/16
涉及实体
相关事实
待验证字节级建模将文本粒度下沉到UTF-8的单个字节，词表缩减至25672% 相似待验证Unicode 编码空间划分为 17 个平面，每个平面包含 65,536 个码位，数学字母数字符号位于第一辅助平面（SMP，Plane 1）70% 相似待验证Unicode基本多文种平面中的私用区U+E000–U+F8FF包含6400个码位，加上补充私用区A和B合计提供逾13万个可自由分配的码位67% 相似待验证Post Formatter 的核心原理是将普通字母替换为 Unicode 数学字母数字符号区块（U+1D400 至 U+1D7FF）中的变体，这些是独立码位，可作为纯文本传输66% 相似待验证零宽字符是Unicode标准中一组特殊控制字符，包括零宽空格（U+200B）、零宽连接符（U+200D）、零宽非连接符（U+200C）、左至右标记（U+200E）等，视觉上完全不可见但在字节层面真实存在62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042236API
curl https://kongchang.com/api/v1/knowledge/claims/1042236MCP
get_claim(id=1042236)