Cartesia 发布 H-Net 扩缩律研究：字节级层级网络比 BPE 提升最高 3-5x 计算效率

Cartesia 发布系列博客第一篇，主题为从 token 走向字节，报告其层级网络（H-Net）在字节级语言建模上的扩缩律结果。研究采用与 BPE Transformer 严格匹配的对照实验，直接比较两种分词路径下的计算效率。 具体数据方面，1-stage H-Net 在验证损失上节省 1.28x 计算；下游评测中约为 2x；代码任务中位数达到 2.04x；分布外编程语言中位数达 3.10x，其中 Prolog 上为 5.37x。这些数字构成本次研究的核心结论，即字节级层级网络在同等条件下可用更少计算达到相近效果。 该研究的意义在于为替代 BPE 分词提供可核验的对照证据，说明字节级学习在实际任务中的进展，而非仅停留在概念层面。系列博客以第一篇形式发布，后续内容尚未披露。