本研究分析了现有子词分词方法在蛋白质序列处理中的不足，比较了BPE、WordPiece和SentencePiece，发现它们在表示和域边界保持方面存在显著差异，传统方法需改进以更好适应蛋白质特征。

该研究探讨了阈值词汇裁剪在字节对编码子词分词中的应用。实验结果显示，词汇裁剪无法提高性能，甚至可能导致严重的性能下降。