#全球南方

研究量化全球南方语言模型分词溢价与主权成本

论文指出美中之外部署的语言模型多为少数预训练家族的微调后代，词表、知识、文化对齐等关键属性均被继承。作者测量 31 种语言、7 种分词器的分词溢价，阿姆哈拉语在最新商用分词器上仍达 6.8 倍。研究还提出八项黑盒主权审计方法，并主张以每焦耳准确率等指标替代原始准确率。