<!--
  José Luis Saorín Ferrer
  https://joseluissaorin.com/

  El portfolio de José Luis Saorín Ferrer no es una página web: es una superficie. Una hoja de papel hueso donde cada entrada del cv — la biografía, la formación, los proyectos, los textos, las personas con las que ha colaborado — aparece como una figura geométrica anclada a una membrana que respira. Círculos concéntricos para los estratos biográficos. Triángulos agudos para las posiciones asumidas. Arcos gruesos para las narraciones largas. Cuñas para los acontecimientos discretos. Espirales para los idiomas adquiridos. La forma no decora a la entrada: la define. La geometría es metadato.
  
  No hay menús. Se navega por contacto — el dedo toca una figura y el contenido aflora; se mueve y la malla responde, se pliega como tela; se suelta y se reasienta despacio, sin volver del todo a la posición anterior. Entre las figuras flotan fragmentos del corpus literario propio del autor — frases sueltas que el lector puede atrapar tocándolas, como pescar palabras del agua.
  
  Esto es una decisión contra el cv como lista, contra la planicie del documento profesional. Es un argumento — sostenido en composición, en color, en física simulada — de que filología, software, diseño y teatro no son disciplinas separadas que conviene reunir en un mismo perfil sino una sola práctica continua, y de que la superficie donde uno se presenta debería demostrarlo desde el primer instante. La lectura no es lineal porque la vida tampoco. El documento no se queda quieto porque la persona tampoco.
  
  62 piezas dispuestas como una constelación entre seis regiones — biografía, académico, proyectos, arte, redes, contacto — sobre el cream del papel, atravesadas por bermellón, ultramar, cadmio y tinta. La web está hecha a mano, en cuatro idiomas. La versión real es esta: la que se toca.

  ASCII snapshots of the canvas (three states):

  — at rest, just loaded —
  ╱╲
     ◯ ◯ ◯                                                              ╱  ╲
    ◯     ◯                              ⊚                             ╱    ╲
    ◯     ◯              · · ·          ⊛⊛⊛                           ●──────●
     ◯ ◯ ◯                              ⊛⊛⊛⊛
  
                    ╲                                                  ─────
                     ╲                                                  ━━━━
                      ╲                                ╳
                ●      ╲
                        ╲
                         ●                  ▮                            ◐
     ──
     ──
                                                                         ─
                              ●                  ╱╲                       ─
     ●●●                                        ╱  ╲
                          · ·                  ╱    ╲
                                              ●──────●                  ╲╲
                                                                         ╲╲
                  ▼                                                       ╲╲
                 ╱ ╲                                                        ●
                ╱   ╲                  ╲╲
               ───────                  ╲╲
                                         ╲╲                  ▮
     ─────
                ◉                              ▲
                                              ╱ ╲
                                             ─────                · · ·

  — touched, a finger in the centre, the wave expanding outward —
  ╱╲
     ◯ ◯ ◯                                                              ╱  ╲
    ◯     ◯                              ⊚                             ╱    ╲
    ◯     ◯              · · ·          ⊛⊛⊛                           ●──────●
     ◯ ◯ ◯                              ⊛⊛⊛⊛
  
                    ╲                                                  ─────
                     ╲                                                  ━━━━
                      ╲                                ╳
                ●      ╲         ⌒  ⌒  ⌒  ⌒  ⌒  ⌒
                        ╲     ⌒                    ⌒
                         ●  ⌒          ✦             ⌒    ▮               ◐
     ──                   ⌒                         ⌒
     ──                     ⌒                     ⌒
                              ⌒  ⌒  ⌒  ⌒  ⌒  ⌒                            ─
                              ●                  ╱╲                       ─
     ●●●                                        ╱  ╲
                          · ·                  ╱    ╲
                                              ●──────●                  ╲╲
                                                                         ╲╲
                  ▼                                                       ╲╲
                 ╱ ╲                                                        ●
                ╱   ╲                  ╲╲
               ───────                  ╲╲
                                         ╲╲                  ▮
     ─────
                ◉                              ▲
                                              ╱ ╲
                                             ─────                · · ·

  — at real density, the literary corpus floating between the figures —
  ╱╲
     ◯ ◯ ◯      hueso                                                   ╱  ╲
    ◯     ◯            orilla            ⊚         libro               ╱    ╲
    ◯     ◯   · · ·         tinta       ⊛⊛⊛       abierto             ●──────●
     ◯ ◯ ◯             cuaderno          ⊛⊛⊛⊛                        memoria
  
    pretexto      ╲       gesto                                · ·   ─────
                   ╲              trama                               ━━━━
        hilo        ╲                                ╳        oficio
                ●    ╲      contorno                    papel
                      ╲                  fragmento          sobre              ◐
                       ●       materia      ▮            papel         ◐
     ──
     ──             bermellón                          cadmio       ─
          ultramar                                                   ─
                              ●                  ╱╲         residuos
     ●●●        voces                           ╱  ╲
                    planos   · ·       lectura ╱    ╲     · · ·
                                              ●──────●                  ╲╲
     acento        palabra      lengua              cuerda               ╲╲
                                                hecho      a mano         ╲╲
                  ▼         cosida           a       la                     ●
                 ╱ ╲      página
                ╱   ╲              ╲╲      espiral
               ───────              ╲╲                          mancha
                           fragmento╲╲                  ▮
     ─────
                ◉          inflexión           ▲            aspa
                                              ╱ ╲
                                             ─────       · · ·

  Machine-readable exports for agents:
    https://joseluissaorin.com/content.json    — full CV, all 4 langs, with _meta block
    https://joseluissaorin.com/llms.txt        — llms.txt-spec landing
    https://joseluissaorin.com/llms-full.txt   — every node as markdown across all langs
    https://joseluissaorin.com/cv.md           — Spanish markdown CV
    https://joseluissaorin.com/cv-en.md        — English
    https://joseluissaorin.com/cv-fr.md        — French
    https://joseluissaorin.com/cv-it.md        — Italian
-->
<!doctype html>
<html lang="es">
  <head>
    <meta charset="UTF-8" />
    <meta name="viewport" content="width=device-width, initial-scale=1.0" />
    <meta name="theme-color" content="#F4F1EA" />
    <meta name="generator" content="hand-built by José Luis Saorín Ferrer" />
    <meta name="author" content="José Luis Saorín Ferrer" />
    <meta name="robots" content="index,follow,max-image-preview:large" />

    <title>Tokenization &amp; Coherence Study · José Luis Saorín Ferrer</title>
    <meta name="description" content="Marco experimental sobre cómo la granularidad de tokenización afecta a la coherencia del discurso. T5-base (BPE) vs ByT5-base (UTF-8) vs mT5-base (Unigram), 6…" />

    <link rel="canonical" href="https://joseluissaorin.com/n/proj-tokenization/" />
    <link rel="alternate" hreflang="es" href="https://joseluissaorin.com/n/proj-tokenization/" />
    <link rel="alternate" hreflang="en" href="https://joseluissaorin.com/en/n/proj-tokenization/" />
    <link rel="alternate" hreflang="fr" href="https://joseluissaorin.com/fr/n/proj-tokenization/" />
    <link rel="alternate" hreflang="it" href="https://joseluissaorin.com/it/n/proj-tokenization/" />
    <link rel="alternate" hreflang="x-default" href="https://joseluissaorin.com/n/proj-tokenization/" />

    <meta property="og:type" content="article" />
    <meta property="og:title" content="Tokenization &amp; Coherence Study · José Luis Saorín Ferrer" />
    <meta property="og:description" content="Marco experimental sobre cómo la granularidad de tokenización afecta a la coherencia del discurso. T5-base (BPE) vs ByT5-base (UTF-8) vs mT5-base (Unigram), 6…" />
    <meta property="og:url" content="https://joseluissaorin.com/n/proj-tokenization/" />
    <meta property="og:locale" content="es_ES" />
    <meta property="og:locale:alternate" content="en_US" />
    <meta property="og:locale:alternate" content="fr_FR" />
    <meta property="og:locale:alternate" content="it_IT" />
    <meta property="og:image" content="https://joseluissaorin.com/og-default.png" />
    <meta property="og:image:type" content="image/png" />
    <meta property="og:image:width" content="1200" />
    <meta property="og:image:height" content="630" />
    <meta property="og:image:alt" content="Monograma de José Luis Saorín Ferrer" />
    <meta property="og:site_name" content="José Luis Saorín Ferrer" />

    <meta name="twitter:card" content="summary_large_image" />
    <meta name="twitter:creator" content="@joseluissaorin" />
    <meta name="twitter:title" content="Tokenization &amp; Coherence Study · José Luis Saorín Ferrer" />
    <meta name="twitter:description" content="Marco experimental sobre cómo la granularidad de tokenización afecta a la coherencia del discurso. T5-base (BPE) vs ByT5-base (UTF-8) vs mT5-base (Unigram), 6…" />
    <meta name="twitter:image" content="https://joseluissaorin.com/og-default.png" />

    <link rel="icon" type="image/png" href="/monograma.png" />
    <link rel="apple-touch-icon" href="/monograma.png" />
    <link rel="manifest" href="/manifest.webmanifest" />
    <script type="module" crossorigin src="/assets/index-CK6T18AY.js"></script>
    <link rel="stylesheet" crossorigin href="/assets/index-Bs4khMa2.css">
      <link rel="preload" as="fetch" href="/corpus.json" crossorigin="anonymous" />
    <link rel="preload" as="font" type="font/woff2" href="/fonts/GT-Pressura-Regular.woff2" crossorigin="anonymous" />
    <link rel="preload" as="font" type="font/truetype" href="/fonts/GT-Sectra-Fine-Book.ttf" crossorigin="anonymous" />
      
      <script type="application/ld+json">{"@context":"https://schema.org","@type":"Person","name":"José Luis Saorín Ferrer","url":"https://joseluissaorin.com/","image":"https://joseluissaorin.com/og-default.png","email":"mailto:jl@joseluissaorin.com","jobTitle":"filólogo, programador, artista","description":"CV interactivo de José Luis Saorín Ferrer: 21 años, filología en la ULL, programación, arte, diseño y teatro como una sola práctica continua.","sameAs":["https://www.linkedin.com/in/jos%C3%A9-luis-saor%C3%ADn-ferrer-0372b5192","https://github.com/joseluissaorin","https://twitter.com/joseluissaorin","https://www.instagram.com/joseluissaorin"],"alumniOf":{"@type":"CollegeOrUniversity","name":"Universidad de La Laguna","url":"https://www.ull.es/"},"knowsLanguage":["es","en","fr","it"],"nationality":{"@type":"Country","name":"España"}}</script>
    <script type="application/ld+json">{"@context":"https://schema.org","@type":"CreativeWork","name":"Tokenization & Coherence Study","description":"Marco experimental sobre cómo la granularidad de tokenización afecta a la coherencia del discurso. T5-base (BPE) vs ByT5-base (UTF-8) vs mT5-base (Unigram), 6…","url":"https://joseluissaorin.com/n/proj-tokenization/","inLanguage":"es","image":"https://joseluissaorin.com/og-default.png","author":{"@type":"Person","name":"José Luis Saorín Ferrer","url":"https://joseluissaorin.com/"},"datePublished":"2025"}</script>
  </head>
  <body>
    <div id="root"></div>
    <noscript>
<article id="cv-node-proj-tokenization" lang="es">
<p><a href="https://joseluissaorin.com/">José Luis Saorín Ferrer</a></p>
<h1>Tokenization &amp; Coherence Study</h1>
<p>Marco experimental sobre cómo la granularidad de tokenización afecta a la coherencia del discurso. T5-base (BPE) vs ByT5-base (UTF-8) vs mT5-base (Unigram), 6 tareas, ~3.285 estímulos.</p>
<p><a href="https://github.com/joseluissaorin/tokenization-coherence-study">https://github.com/joseluissaorin/tokenization-coherence-study</a></p>
</article>
</noscript>
  </body>
</html>