**化学SMILES建模中BPE与Unigram-LM的分词差异研究**

_Where to cut, how deep: BPE and Unigram-LM on chemistry SMILES_

> 该研究对比了自然语言处理中常用的BPE与Unigram-LM在化学SMILES序列分词上的表现。结果显示,两者生成的子词词汇表高度不重叠,且Unigram-LM产生的分词数量显著多于BPE。这表明在化学语言模型中,分词算法的选择是关键的建模决策,而非默认选项。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-07-08 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2607.05691)