**层级网络 (H-Nets) 实现 10 倍效率提升：从原始字节直接学习，迈向通用 AI 架构**

_Scaling Hierarchical Networks_

> Cartesia 发布的最新研究展示了层级网络 (H-Nets) 的突破性进展。该架构摒弃了传统语言模型依赖人工分词器的局限，直接从原始字节中学习数据，遵循“苦难教训”哲学。实验表明，优化的 H-Nets 在效率上远超开源 Transformer 模型，仅需 1/10 的计算量和数据量即可匹敌同等规模模型。此外，H-Nets 展现了包括上下文分词在内的新颖行为模式，并在生物学和视觉等多模态领域展现出作为通用学习架构的巨大潜力。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-10-29 02:07（北京时间）
- **原文**：[打开原文](https://www.cartesia.ai/blog/from-tokens-to-bytes-part-1)