Unlocking Noisy Real-World Corpora for Foundation Model Pre-Training via Quality-Aware Tokenization

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Gollwitzer, Arvid E., Latawa, Paridhi, de Gruijl, David, Subramanian, Deepak A., de la Colina, Adrián Noriega
Formato: Preprint
Publicado: 2026
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares