LBPE: Long-token-first Tokenization to Improve Large Language Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Lian, Haoran, Xiong, Yizhe, Lin, Zijia, Niu, Jianwei, Mo, Shasha, Chen, Hui, Liu, Peng, Ding, Guiguang |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Scaffold-BPE: Enhancing Byte Pair Encoding for Large Language Models with Simple and Effective Scaffold Token Removal
par: Lian, Haoran, et autres
Publié: (2024)
par: Lian, Haoran, et autres
Publié: (2024)
Breaking the Stage Barrier: A Novel Single-Stage Approach to Long Context Extension for Large Language Models
par: Lian, Haoran, et autres
Publié: (2024)
par: Lian, Haoran, et autres
Publié: (2024)
Temporal Scaling Law for Large Language Models
par: Xiong, Yizhe, et autres
Publié: (2024)
par: Xiong, Yizhe, et autres
Publié: (2024)
Fast Quiet-STaR: Thinking Without Thought Tokens
par: Huang, Wei, et autres
Publié: (2025)
par: Huang, Wei, et autres
Publié: (2025)
MaskMoE: Boosting Token-Level Learning via Routing Mask in Mixture-of-Experts
par: Su, Zhenpeng, et autres
Publié: (2024)
par: Su, Zhenpeng, et autres
Publié: (2024)
UniAttn: Reducing Inference Costs via Softmax Unification for Post-Training LLMs
par: Xiong, Yizhe, et autres
Publié: (2025)
par: Xiong, Yizhe, et autres
Publié: (2025)
MiLe Loss: a New Entropy-Weighed Loss for Mitigating the Bias of Learning Difficulties in Large Language Models
par: Su, Zhenpeng, et autres
Publié: (2023)
par: Su, Zhenpeng, et autres
Publié: (2023)
CartesianMoE: Boosting Knowledge Sharing among Experts via Cartesian Product Routing in Mixture-of-Experts
par: Su, Zhenpeng, et autres
Publié: (2024)
par: Su, Zhenpeng, et autres
Publié: (2024)
Finedeep: Mitigating Sparse Activation in Dense LLMs via Multi-Layer Fine-Grained Experts
par: Pan, Leiyu, et autres
Publié: (2025)
par: Pan, Leiyu, et autres
Publié: (2025)
Neutralizing Token Aggregation via Information Augmentation for Efficient Test-Time Adaptation
par: Xiong, Yizhe, et autres
Publié: (2025)
par: Xiong, Yizhe, et autres
Publié: (2025)
Advancing Reliable Test-Time Adaptation of Vision-Language Models under Visual Variations
par: Liang, Yiwen, et autres
Publié: (2025)
par: Liang, Yiwen, et autres
Publié: (2025)
DSMoE: Matrix-Partitioned Experts with Dynamic Routing for Computation-Efficient Dense LLMs
par: Lv, Minxuan, et autres
Publié: (2025)
par: Lv, Minxuan, et autres
Publié: (2025)
LSNet: See Large, Focus Small
par: Wang, Ao, et autres
Publié: (2025)
par: Wang, Ao, et autres
Publié: (2025)
[CLS] Token Tells Everything Needed for Training-free Efficient MLLMs
par: Wang, Ao, et autres
Publié: (2024)
par: Wang, Ao, et autres
Publié: (2024)
Why do LLMs attend to the first token?
par: Barbero, Federico, et autres
Publié: (2025)
par: Barbero, Federico, et autres
Publié: (2025)
Better & Faster Large Language Models via Multi-token Prediction
par: Gloeckle, Fabian, et autres
Publié: (2024)
par: Gloeckle, Fabian, et autres
Publié: (2024)
Problematic Tokens: Tokenizer Bias in Large Language Models
par: Yang, Jin, et autres
Publié: (2024)
par: Yang, Jin, et autres
Publié: (2024)
Large Language Models Can Self-Improve in Long-context Reasoning
par: Li, Siheng, et autres
Publié: (2024)
par: Li, Siheng, et autres
Publié: (2024)
Token Constraint Decoding Improves Robustness on Question Answering for Large Language Models
par: Yao, Jui-Ming, et autres
Publié: (2025)
par: Yao, Jui-Ming, et autres
Publié: (2025)
LongReward: Improving Long-context Large Language Models with AI Feedback
par: Zhang, Jiajie, et autres
Publié: (2024)
par: Zhang, Jiajie, et autres
Publié: (2024)
AdaTP: Attention-Debiased Token Pruning for Video Large Language Models
par: Sun, Fengyuan, et autres
Publié: (2025)
par: Sun, Fengyuan, et autres
Publié: (2025)
PYRA: Parallel Yielding Re-Activation for Training-Inference Efficient Task Adaptation
par: Xiong, Yizhe, et autres
Publié: (2024)
par: Xiong, Yizhe, et autres
Publié: (2024)
LongMagpie: A Self-synthesis Method for Generating Large-scale Long-context Instructions
par: Gao, Chaochen, et autres
Publié: (2025)
par: Gao, Chaochen, et autres
Publié: (2025)
MBTSAD: Mitigating Backdoors in Language Models Based on Token Splitting and Attention Distillation
par: Ding, Yidong, et autres
Publié: (2025)
par: Ding, Yidong, et autres
Publié: (2025)
RepViT-SAM: Towards Real-Time Segmenting Anything
par: Wang, Ao, et autres
Publié: (2023)
par: Wang, Ao, et autres
Publié: (2023)
RepViT: Revisiting Mobile CNN From ViT Perspective
par: Wang, Ao, et autres
Publié: (2023)
par: Wang, Ao, et autres
Publié: (2023)
Hey, That's My Data! Token-Only Dataset Inference in Large Language Models
par: Xiong, Chen, et autres
Publié: (2025)
par: Xiong, Chen, et autres
Publié: (2025)
Tokenization counts: the impact of tokenization on arithmetic in frontier LLMs
par: Singh, Aaditya K., et autres
Publié: (2024)
par: Singh, Aaditya K., et autres
Publié: (2024)
Beyond Token-Level Policy Gradients for Complex Reasoning with Large Language Models
par: Xu, Mufan, et autres
Publié: (2026)
par: Xu, Mufan, et autres
Publié: (2026)
COMPACT: Common-token Optimized Model Pruning Across Channels and Tokens
par: Kwek, Eugene, et autres
Publié: (2025)
par: Kwek, Eugene, et autres
Publié: (2025)
Towards Efficient Vision-Language Tuning: More Information Density, More Generalizability
par: Hao, Tianxiang, et autres
Publié: (2023)
par: Hao, Tianxiang, et autres
Publié: (2023)
Large Language Model as Token Compressor and Decompressor
par: Li, Wenbing, et autres
Publié: (2026)
par: Li, Wenbing, et autres
Publié: (2026)
Tokenization Matters! Degrading Large Language Models through Challenging Their Tokenization
par: Wang, Dixuan, et autres
Publié: (2024)
par: Wang, Dixuan, et autres
Publié: (2024)
HRDE: Retrieval-Augmented Large Language Models for Chinese Health Rumor Detection and Explainability
par: Chen, Yanfang, et autres
Publié: (2024)
par: Chen, Yanfang, et autres
Publié: (2024)
Rethinking Personalization in Large Language Models at the Token Level
par: Zhang, Chenheng, et autres
Publié: (2026)
par: Zhang, Chenheng, et autres
Publié: (2026)
Temporal Tokenization Strategies for Event Sequence Modeling with Large Language Models
par: Liu, Zefang, et autres
Publié: (2025)
par: Liu, Zefang, et autres
Publié: (2025)
Improving Data and Reward Design for Scientific Reasoning in Large Language Models
par: Chen, Zijie, et autres
Publié: (2026)
par: Chen, Zijie, et autres
Publié: (2026)
Tokenization Falling Short: On Subword Robustness in Large Language Models
par: Chai, Yekun, et autres
Publié: (2024)
par: Chai, Yekun, et autres
Publié: (2024)
S$^4$C: Speculative Sampling with Syntactic and Semantic Coherence for Efficient Inference of Large Language Models
par: He, Tao, et autres
Publié: (2025)
par: He, Tao, et autres
Publié: (2025)
Do LLMs Know What Is Private Internally? Probing and Steering Contextual Privacy Norms in Large Language Model Representations
par: Wang, Haoran, et autres
Publié: (2026)
par: Wang, Haoran, et autres
Publié: (2026)
Documents similaires
-
Scaffold-BPE: Enhancing Byte Pair Encoding for Large Language Models with Simple and Effective Scaffold Token Removal
par: Lian, Haoran, et autres
Publié: (2024) -
Breaking the Stage Barrier: A Novel Single-Stage Approach to Long Context Extension for Large Language Models
par: Lian, Haoran, et autres
Publié: (2024) -
Temporal Scaling Law for Large Language Models
par: Xiong, Yizhe, et autres
Publié: (2024) -
Fast Quiet-STaR: Thinking Without Thought Tokens
par: Huang, Wei, et autres
Publié: (2025) -
MaskMoE: Boosting Token-Level Learning via Routing Mask in Mixture-of-Experts
par: Su, Zhenpeng, et autres
Publié: (2024)