本文介绍了SMUGGLER，一种新型神经网络架构，能够高效且容错地进行字节级文本生成。与传统的基于标记的语言模型不同，SMUGGLER直接处理32位字符块，采用稀疏投票、质数多通道纠错和对抗训练等机制。实验结果表明，SMUGGLER在生成莎士比亚文本时，所需参数显著少于传统方法，并能在普通硬件上实现高质量生成。

本文介绍了SMUGGLER，一种新型层次神经网络架构，计算复杂度为O(n log n)，能高效处理长序列。该模型通过字节级预测，消除了嵌入表和注意力瓶颈，显著降低内存需求，适用于消费级硬件，性能与更多参数的模型相当。