無標記

曼巴位元組是一種無標記的語言模型，直接從原始位元組中學習，消除了子詞標記化的偏見。它在位元組上執行，但會導致序列顯著變長，標準的自迴歸Transformer在這種情況下的擴充套件性較差。我們在位元組序列上自迴歸訓練了曼巴位元組，這是Mamba狀態空間模型的無標記適應。我們的實驗表明，與其他位元組級模型相比，曼巴位元組具有較高的計算效率。我們還發現，曼巴位元組在與最先進的子詞Transformer的競爭中表現出色，甚至超越其效能。此外，由於長度的線性擴充套件，曼巴位元組在推理過程中比Transformer具有更快的速度。我們的發現證實了曼巴位元組在實現無標記語言建模方面的可行性。