手动替换词表

[strokesegment]

请问我能够手动替换llama2词表中的低频词，不改变词表的大小进行训练呢？

[airaria]

可以仿照 https://github.com/ymcui/Chinese-LLaMA-Alpaca/blob/main/scripts/merge_tokenizer/merge_tokenizers.py 中的方式进行手动修改词表

[strokesegment]

有个问题，不知道您有没有看过codeshell，他提到替换了低频词，请问llama里面的高频低频词怎么确定？

[strokesegment]

感谢您的回复，我参考您的代码，进行了词表的替换，但是仍然有个问题。比如原始词表中有“U”, “L”, “ONG”。我在旧词表中将低频的某个词替换成“ULONG”，并且修改了他的得分。但是使用新词表时ULONG仍然被分解为“U”, “L”, “ONG”