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

Chao Liang

ACL 2026可解释性数据与预训练效率与系统
新星分贡献者
27
一作贡献0
核心/参与5
方向广度6
合作网络6
0 一作 · 1 篇 · ACL 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

1
作者位次 #3/9ACL 2026Poster· Natural Language Processing

SPEAK : Spiking Neurons as an Entropy-Aware Tokenizer for Large Language Models

Ming Chen · Wenyao Li · Chao Liang · Shi Gu · Peng Lin · De Ma · Huajin Tang · Qian Zheng · Gang Pan

摘要

Tokenizers play a critical role in large language model studies. Despite recent advances, existing tokenizers fail to explicitly leverage historical tokenization results when making subsequent token decisions, nor do they selectively utilize such history based on contextual relevance. We propose...

可解释性数据与预训练效率与系统OpenReview 项目页

常见合作者