（来源：上观新闻）
目前的做法依👨👧👧🐟然粗糙，本质🇪🇸👩🦲上是在🧙♀️🔤通过 🥦CoT🇺🇸🧀（思维链⌨）“强迫6️⃣🎋”模型多想一会🚷儿🈲🇲🇽。平台只能够是帮♉助交互🇻🇮🏒，不能够定🦘⏱义用户生产、🔀使用的行为🥝🎌。他在 X 🛄上写道：⏯👨🎤“我希🌪🚵♀️望所有人都🌨🐕能拥有自己的‘个🤼♂️➖人迷你🕥☪AGI’🇬🇾🖨。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”：🏭10次🥖 “pug”🥰🇵🇼：5次 “pu🥺🐦n”：🐚🥶12次 💩🧠“bun”：♎4次 🚀“hugs”：🕹♈5次 🛣第一步：将所有词🤱🖼拆分为字符，🥘🇻🇳添加结束符 🐷“hu🍢🇹🇩g” 🇫🇯🎀→ “h 🦏u g ”👨💻📅 “pug” 🧙♀️🇳🇴→ “p u👨🈂 g ” “p🔶💡un” → 🇪🇪🐍“p u 👐🌹n ” 🐏🇦🇱国产偷自视频区视频“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“h🇸🇬ug”的10🔍次 +📎 “hugs🛀🇧🇾”的5次📕） “🤼♂️🔦u n”：16🛫次（来自“💰pun”的🇬🇺💇♂️12次 +👶国产偷自视频区视频 “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GP🎀T-2为50,2🥄🏡57个token📬）5️⃣。
如果真有❄同事这么幸运🏍，我们真心为他高🇪🇨🌐兴8️⃣🥔。” 这🐠🏃和过去两年大家👑熟悉的“A🏇I提效”叙🇺🇦事不一样☪🤾♀️。况且，伴随生🧲👩❤️💋👩态演进和👯♂️🦡技术迭代🇲🇰🥵，互联网平台📡🇬🇭也不是中立👊的，因为🇳🇫🇨🇫网络上的内容越🇲🇵来越多，而我🍖🧜♂️们的用6️⃣户时间、☠注意力是有🇩🇿🇰🇮限的，🇾🇹🏂一定是要高效分🇨🇳配注意力🇲🇿，因此有各种☀各样推荐的🏟😦算法🧙♀️🌒。成立不到两年，🇼🇫员工规模不🍂🌧到二十💌人的AI创业公🔻💗司remio🉐🕸，过去半年也🕋经历了AI从🇰🇷🌶辅助工👨⚕️🐫具到真🔠☁正生产力搭档的🇮🇩突变🇮🇴。对平台来说，开6️⃣8️⃣源也会◾带来更多社区反💸🏷馈 一个闭源模🏩型的进步主🎁🔙要依靠公司内🚣🇲🇫部团队，🏺一个开源模型会💈💆♂️被开发者拿去做各🐷♠种奇怪测试，问🖋🌃题暴露得快🎗，改进方向也会🚵变多🐱🗣。同时，52%的⏩🦅受访者表示使用A👙🤼♀️I的产品和服👨🏭🈳务让他🇨🇿🏃们感到“紧张🚯”👩👩👧👧。
