待验证50% 置信事实精确时间
MuRIL是Google基于BERT架构专门针对印度语言预训练的编码器模型，其词汇表纳入了大量印度文字的子词单元，并使用transliteration和translation-based训练目标增强跨文字对齐。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
Tokeniser覆盖率：小语言模型在多语言场景下的隐形天花板
rss2026/10/17
涉及实体
相关事实
待验证OpenAI使用BPE（Byte Pair Encoding）算法进行分词，Google的SentencePiece采用与语言无关的分词方法直接在原始文本上训练77% 相似待验证BERT（Bidirectional Encoder Representations from Transformers）是 Google 于2018年发布的预训练语言模型71% 相似待验证通过训练专门的分类模型可以捕捉AI生成注释的语言模式特征69% 相似待验证WordPiece由Google提出并被BERT采用，其合并准则最大化语言模型的似然度而非单纯统计频次69% 相似已验证BPE（Byte Pair Encoding）是大语言模型使用的Token化算法，通过统计训练语料中字符对的共现频率迭代合并最常见的字符组合68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074692API
curl https://kongchang.com/api/v1/knowledge/claims/1074692MCP
get_claim(id=1074692)