（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： “h💘ug”：1🎏0次 “☀pug”：💭5次 “pun🚙”：1🅿8️⃣2次 “bu✴🚰n”：🔆🗾4次 “hug🤞s”：📃欧美制服中文995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🐁0️⃣” → “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🎟欧美制服中文99 “u g”：🏢15次（🆕来自“h🆙💊ug”的😙10次 +🗃🔽 “hu💴🇨🇦gs”的5次）🧕 “u 🇾🇹n”：🔠⛸16次（来🥳🥼自“pu🎈👙n”的12次 +🇬🇦🇩🇪 “bun🇵🇳”的4次）😥🐷 “p u”：👩👧17次（来自“🐙😄pug”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“p🕒u”， 词汇表扩🛩🔞展为：{b🇲🇹🙆欧美制服中文99, 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👩🏫📼50,257🇺🇿🗼个tok🐷en）🏐🇹🇴。
这才是200💅🦉亿美元估🇲🇬值的真正来源：4️⃣⌨ 不是因为它们🗡🚀做得更好，而是👩👩👦📙因为它们🙇♀️在做“不同”👓。结果上你不得不🏪接受，即使情感上🧖♀️、认知上、制度⤴😊上的调适是漫长↪的🇮🇷。本应用于提🧗♂️欧美制服中文99高社会🗳生产力的👩👩👧技术，被有心人🐗🙋♂️用作违法行为的工🥝⬇具，这不是技术本🔯🐫身的问题，而是🦹♂️治理环境的问题🥡。” 云蝠🌰👷随后切换了整🌧个研发工作🆎🎼流，在技🇹🇦术部门强制要🧙♂️🇨🇦求使用顶级AI◾工具，🤸♂️并且在年前◾🏴启动了一波新🔫👩👩👧👧的招聘，解决👨❤️👨🥐此前的产🇨🇺能不足问题🇧🇾。
