Scrapbook Byte-level BPE Explainer

Eine charmante, horizontale Infografik im handgezeichneten Scrapbook-Stil mit einem weichen Hintergrund aus Desktop- und Papiercollagen erklärt die Prinzipien der chinesischen Wortsegmentierung mittels Byte-Level-BPE. Die Grafik ist in drei klar definierte Lernbereiche unterteilt, die sich über die gesamte Breite des Banners von links nach rechts erstrecken. Ganz links prangt ein liebenswertes Shiba-Inu-Maskottchen mit warmbraunem und cremefarbenem Fell, rundem Gesicht, kleinen dreieckigen Ohren, rosigen Wangen und einem neugierigen Ausdruck. Es hält eine Tasse und steht neben einem Schreibtisch mit Schubladen, einem Stift und einem Stuhl. Über dem Shiba Inu befindet sich ein markanter, abgerundeter weißer Titelkasten mit schwarzen chinesischen Schriftzeichen: Byte-Level-BPE (BBPE)-Prozess – populärwissenschaftlich erklärt. Im ersten Lernbereich oben sind vier durchscheinende, blaue, tokenförmige Würfel auf einem Holzregal ausgestellt. Jeder Würfel ist mit „Token“ beschriftet und mit einem gebogenen Pfeil sowie der handgeschriebenen chinesischen Anmerkung „Wortfrequenz-Korpusstatistik“ versehen, die auf den nächsten Schritt verweist. Im zweiten Bereich hebt eine große Lupe drei Frequenzquadrate hervor, die mit „E7“, „94“ und „B5“ beschriftet sind. Daneben befindet sich ein gelber Hinweis: „2. Frequenzstatistik und Zusammenführung“. Unterhalb und innerhalb des vergrößerten Bereichs ist ein großes schwarzes chinesisches Schriftzeichen „电“ (Elektrizität) zu sehen, daneben der handschriftliche Vermerk: „Häufige Byte-Paare“. Im unteren Bereich des dritten Bereichs sind ein Holzschild und ein größeres, zusammengeführtes, halbtransparentes blaues Token-Quadrat hinzugefügt. Dieses ist mit „Token“ beschriftet und trägt einen gelben Hinweis: „3. Wortübergreifende Zusammenführung“, große schwarze chinesische Schriftzeichen „我们→“ sowie den Vermerk „Häufige Wörter zu Tokens kombiniert“. Ganz rechts wird das Endergebnis der Interpretation angezeigt: Drei kleinere Byte-Quadrate mit den Bezeichnungen „E7“, „94“ und „B5“ befinden sich über einem großen schwarzen chinesischen Schriftzeichen „电“ neben dem Hinweis „1. Byte-Level-Codierung (UTF-8)“. Darunter steht das große schwarze chinesische Wort „我们“. Rosa, blaue und grüne, gebogene Pfeile verbinden die verschiedenen Bereiche und veranschaulichen den Prozessablauf. Im unteren Bereich mittig befindet sich ein blaues Token-Maskottchen mit kleinen Gliedmaßen, einem lächelnden Gesicht und einer winkenden Hand. Es verwendet sanfte Creme-, Rosa-, Beige- und Hellblautöne mit dicken, klaren Linien, stickerartigen Ausschnitten, Ecken im Washi-Tape-Stil, Notizbuchtexturen, verstreuten Bleistiftkanten und einem freundlichen, journalartigen Illustrationsstil, der sich für Lehrtafeln eignet.