paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
SA

Shubham Agarwal

ACL 2026ICLR 2026效率与系统多模态多语言与语言学评测与基准
新星分资深
23
一作贡献0
核心/参与12
方向广度11
合作网络3
0 一作 · 2 篇 · ACL 2026 / ICLR 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

2
作者位次 #5/5ACL 2026Poster· Natural Language Processing

MUTANT : A Recipe for Multilingual Tokenizer Design

Souvik Rana · Ashish Kulkarni · Arul Menezes · Chandra Khatri · Shubham Agarwal

摘要

Tokenizers play a crucial role in determining the performance, training efficiency, and the inference cost of Large Language Models (LLMs). Designing effective tokenizers for multilingual LLMs is particularly challenging due to diverse scripts and rich morphological variation. While subword metho...

效率与系统多语言与语言学评测与基准OpenReview 项目页

常见合作者