VocabX 词表特化将推理成本降低77%
先了解这件事
AI 综述
2026年10月22日，Dharma-AI 在 Hugging Face 博客中介绍即将发布的 VocabX 论文，提出按 token 成本而非频率重建词表的方法。该方法在基于 Qwen3-4B 的葡萄牙语作文评分器上实测，将推理成本降低 77.0%，平均响应从 350 个 token 降至 101 个，bench 分数从 0.703 升至 0.810。目前该工作尚处论文发布前的介绍阶段，报道未提及更多验证场景或后续计划。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 01:35
Dharma-AI 介绍即将发布的 VocabX 论文，实测推理成本降低 77.0%。报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- Hugging Face Blog精选Dharma-AI 如何通过词表专用化将 SLM 推理成本降低 77%
Dharma-AI 在 Hugging Face 博客中介绍即将发布的 VocabX 论文，用按 token 成本而非频率重建词表的方法，在基于 Qwen3-4B 的葡萄牙语作文评分器上把实测推理成本降低 77.0%，平均响应从 350 个 token 降到 101 个，bench 分数从 0.703 升到 0.810。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。