Tokenization谢幕？H-Net登场：Mamba作者新作正面硬刚Transformer

尽管近年来语言模型取得了惊人进展，这一进步主要源于从面向特定任务的专用模型转向基于强大架构（如 Transformer）的通用模型——这些模型能从原始数据中直接学习一切。然而，诸如分词（tokenization）之类的预处理步骤仍是构建真正端到端基础模型的障碍。

「Mamba」作者之一的Albert Gu最新Paper又提出一系列新技术，实现了一种动态分块机制（dynamic chunking）：它能自动学习内容与上下文相关的切分策略，并与模型的其余部分联合训练。将该机制嵌入显式的层级网络（hierarchical network：H-Net），即可用一个完全端到端训练的模型替代“分词语言模型反分词”的传统流水线。

（左）两级分层结构（S = 2）的 H-Net 整体架构概览。（右）动态分块（DC）示意图。

（右下）chunking层关键组件：

(a) 路由模块——动态决定分块边界；

(b) 下采样器——依据边界指示符保留关键向量，缩短序列长度并保留语义重要位置。

（右上）dechunking层关键组件：

(c) 平滑模块——将离散块插值为连续表示；

(d) 上采样器——依据边界指示符将压缩向量恢复至原始分辨率。

H-Net 所划边界的可视化。(a) 单阶段 H-Net 主要在“类空格”字节处划边界，与 SpaceByte 非常相似。(b) 两阶段 H-Net 的第一阶段同样聚焦于类空格字节和每个单词的首字符；第二阶段则将文本划分为更有意义的单元，如单词或编号（例如 ‘(ii)’）。还观察到，它常将多个语义相关的单词合并为一个块，例如 ‘the backbone’ 和 ‘such as’。

在算力与数据规模相匹配的条件下，仅在byte level运行的单级 H-Net 就能超越基于 BPE token 的强 Transformer 语言模型；将层级扩展为多级后，模型通过抽象层级的叠加进一步提效，数据扩展性显著优于传统模型，性能可与两倍参数量的 token 级 Transformer 相媲美。

具体实验结果：

Dynamic Chunking for End-to-End Hierarchical Sequence Modelinghttps://arxiv.org/pdf/2507.07955https://goombalab.github.io/blog/2025/hnet-past/