分词器这道老问题，前人比了二十多年 BPE 和 UnigramLM，始终没法回答"到底差在哪"——因为这两个算法在两个维度上同时不同：优化目标（压缩率对比对数似然）和搜索过程（自底向上合并对比自顶向下剪枝）。这篇的做法干脆利落：再造两个算法，把 2×2 缺的两格补上，让每个维度都能单独对比。
- 结论先说：搜索过程赢了，优化目标没赢。 补出来的 BottomUpLL（似然目标、自底向上搜索）和 TopDownComp（压缩目标、自顶向下搜索）把设计空间凑齐。以 bits-per-byte 论，多数设置下自底向上的一侧稳定更低；换成 BLiMP 任务，四个设计选择和性能之间找不出一致的相关性。换句话说，模型质量受"怎么搜"影响，几乎不受"优化什么"影响。
- 这篇已经中了 EMNLP 2026，代码也放了，arXiv 页面 Comments 写明 Accepted at EMNLP 2026，仓库在 GitHub 上（comp-vs-like）。想复现或拿他们那两个新算法来用的，可以直接去拿。
- BLiMP 那个"无一致相关"值得多想一步。 bpb 上的差距是稳定的、可复现的，可一到句法接受度判断上就散了。这暗示分词质量的改进传导到下游语言能力时，中间隔着一段说不清的路——压缩得更好，句子未必判断得更准。对那些拿分词器压缩率当模型质量代理的说法，这是个直接的警告。
- 实验设计有个容易被忽略的好处：变化维度覆盖了模型规模、词表大小、以及纯英文对比多语言三种设置，结论不是在某个单点上调出来的。"多数设置下"这个措辞是留了余地的——不是全设置通吃。
- 一个务实的启示：如果你的训练管线在纠结选 BPE 还是 UnigramLM，这篇的答案接近于"别纠结目标函数，把搜索方向的账算清"。自底向上的合并过程在压缩质量上占的便宜，是跨目标和跨语域都成立的。