# 「告别固定分词：让模型学会自主切词的 H-Net」

- 原标题：「告别固定分词：让模型学会自主切词的 H-Net」大语言模型正尝试摆脱人工离线分词规则
- 类型：帖子
- 来源：weibo.com
- 发布时间：2026-10-29
- 首次精选：2026-11-03 09:31
- 分级：值得看
- 是否付费：免费（公开帖子）
- 预估学习时长：约 1 分钟（按全文字数估算）
- 学习层级：深入
- 主题：[neural-model-foundations](<https://oplearnx.com/md/topics/neural-model-foundations.md>)（第 92 位）
- 原文链接：[https://weibo.com/1402400261/RoSmjtRrS](<https://weibo.com/1402400261/RoSmjtRrS>)
- 本站页面：[https://oplearnx.com/resources/pk\_2c07a7497971](<https://oplearnx.com/resources/pk_2c07a7497971>)

## 摘要

这是一条社区帖子，介绍 Cartesia 提出的分层架构 H-Net。该架构直接从原始字节输入，由网络端到端联合优化分块边界，底层读取字节并动态压缩成块，主干在较短序列上建模后再还原，分块随上下文实时变化并能自适应合并新概念。帖中称受控实验里它兼具纯字节模型的泛化优势与较高计算效率，下游评测相对标准 BPE 取得约 2 倍算力优势，在代码与 DNA 序列上领先，3B 规模下约 1T 数据即追平基准模型用 11T 数据时的均分。适合关注语言模型分词方案与底层架构设计的人阅读。

---
来源：LearnMap · 学径（https://oplearnx.com）