RTAM-Fusion

RTAM-Fusion方法使用影子Tokenizer来校准罕见Token的质量，并跨稀有度层级融合信号。

在Tokenizer成员推断基准测试上，RTAM-Fusion在AUC和平衡准确率上均优于Vocabulary Overlap基线，同时所需的影子Tokenizer数量更少。

Vocabulary Overlap基线仅统计候选集与词表的字面重叠程度，忽略了频率与稀有度信息，因此RTAM-Fusion的提升说明关注哪些罕见Token被保留比有多少词重叠更具判别力。

RTAM-Fusion的代码已在匿名仓库公开，可供复现与进一步检验。