幣界網消息，Cartesia宣佈升級至H-Net，旨在讓大模型自主學習如何切分數據，訓練效率最高提升約10倍。該技術允許模型直接讀取原始字節，自行學習信息切分和壓縮方式，尤其在處理陌生詞彙時表現出色。新版H-Net在實驗中顯示，達到相同驗證損失所需的算力減少約22%，下游評測計算效率約翻倍。更大規模實驗中，H-Net僅用約1萬億token等效數據，便在六項測試中追平訓練約11萬億token的开源模型smollm3，所需算力約為後者的十分之一。此外，該方法也適用於基因組數據，計算效率提升約6-7倍。