（来源：上观新闻）
自20🤥🇮🇹24年底组队以〰来，团🤼♀️🏃♀️队先后🎟👩🦲尝试过合成数据、Ⓜ工作流构建器🇴🇲、自然语言编程🇹🇱🍢，直到「超级智💜💋能体」的思🈶路终于跑通🚵。所以Happy🖐🎿Horse的价🤖值，不只在🧁📹榜单👨👩👦👦🚲。▲成都高新区 ☦👐摄影：📴蒋光丛 ↪ 而成💌都也需🗳🙍要小米⛱。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 “😴pun”：1ℹ🇵🇲2次 “👑🛠bun”：🇬🇼📛4次 “hu🚴🥍gs”：5次 🈚第一步：将⚖所有词拆分为字符👩🍳😭，添加🚌结束符🇧🇳⚪ “h☯ug” 🕤→ “h🇾🇪 u g ”🇼🇫 “pug”🧮🇲🇼 → “p u🍴⏺ g ”✡ “pun” 〰🈷→ “p u🇨🇿 n ” 🌵“bu🎹n” →🤙 “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“hug”❌的10次 ⏏⬅+ “⚾hugs”的5次😞👨💻） “u n”：🏷🇱🇷16次👐📼（来自“pun🦘”的12👠次 + “👩🚀bun🏞”的4次）🕞 “p🦟 u”：17次🇩🇯（来自“p🇵🇹🌟香蕉久久久久久ug”的🔗🏴☠️5次 +📶 “pun”🏔👋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GPT-2为5👖0,257个to🐐🇼🇸ken）🧼。
分析这样一个💰议题有🐃⛷很多视角，🇸🇸㊗但是总结起来其👢实就是两个主要🤝的方向：一⭕🇬🇬方面，既然大量互🎗联网活动都已经收⤵⏩敛到少数🤕☹的超级平台🇧🇧🤺，就可🐵↩以动员平台对用🙍🇨🇾户的行为、内容🇩🇰🤳的治理🇨🇿。
