（来源：上观新闻）
让我们用🤼♂️🧙♂️一个简化示例说明🧚♀️，假设训练语料包⛺含以下词汇及出现🖕频率： 💌“hug”：1🍫🔝0次 “p🎯ug”：🇵🇾5次 “pun✡”：12次 🐕“bun”：🕗4次 “h🇦🇨ugs”↙🗃：5次 第一👳♀️步：将所有词拆🍓分为字符📠🏄，添加结🚘束符 “hug🍊” →🕯🏙 “h 🇽🇰u g ” “🌓👭pug” → “🚹🆓p u g ” ❄🈸“pun” →😗🇲🇩 “p u 🖤🌿n ” “📟🇫🇮bun”📵 → “b u 👩👦🎈n ” 🇨🇴🇹🇰“hugs🅿🕧” → “h 👩❤️💋👩🙅u g🤖🤓 s ” 初始🙂词汇表♒仅包含基础字符🎡🎎：{b, g, 🌽🈯h, n💙🚮, p,😲 s,🏕 u, } 第⏩二步：🤪🕗统计相邻字符对🇹🇹👿的出现🐢频率 “u🇬🇲 g”🇳🇮：15次（来自👱🌾“hu📌g”的10🎫次 + “h👉👨🦱ugs🔛🚚”的5次） 📏🔍“u n😷⚙”：16次（来🍦自“pun”的🍓12次 +📮 “bun”的🇧🇴💮4次） “p 😖🕺u”：17🕹次（来自“pug🐜🚲”的5次 🤤🇻🇨+ “p🌙un”的12次🍦） 第三步：🦶合并最高频字符🚁对 假🍂🤦♂️设“p u”频率🌙最高（17次），🇭🇲创建新符⚛号“pu”🗿， 词汇表扩展为✍：{b🧚♀️🍪, g, h,🇻🇮🔏 n, ⬜📗p, s🇹🇩, u, ,🇧🇶 pu} 第四步👎：迭代重复 继续♎👠统计新语💙料中的👩⚕️👨🔧字符对🇸🇭🦒频率，合并下一个🇵🇦🐴最高频🛬对，直到👑🇦🇪达到预设的🇼🇫🇹🇬词汇表大小（如G◼🇹🇲PT-2🔠为50👩🚀,257个t✊oke🦁👯n）🚊。
2025年，小米💲汽车全🇭🇺🛥年交付超🏐😽41万辆🍂。它展示了🧗♂️🇱🇮一种特定形态的颠🆖覆：不是建造一💣🎙个替代品，🧧而是进入原🍼有系统内🇸🇻部，成为比原🇻🇬🇫🇷住民更优秀🌧🇹🇦的租户🇨🇭。因为每❓个人的Age🍏nt 可🌻◽以根据同一个“⚡🚥想法文💷件”，🐄⬇自行构🈹建适合⏳🍫自身的实现🦀。图达通机器人激光👘🚥雷达单价从20👴🇲🇪24年的🥌🧣271🍟🇧🇲4美元降📞🦙至20🌤🏩25年🕉🤠的594📲💉美元，降幅7🧶8.1%🧳，即便如💲此仍比其A😐DAS🦁🛁产品高出👨🏭🇿🇲约34%🗳。
