（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”：10⭐次 “pug”：👥🏍5次 “pu🇹🇬🌳n”：1🛠🌝2次 “b💽🌗un”🧜♀️🇳🇦：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” → “4️⃣p u g ” ♠🚷“pun” 🎠→ “p u 🗝🇿🇼n ” 🍏“bun”🈺👴 → “b u🛤 n ”🙅♂️🦅 “h🌨🗨ugs” 👹→ “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 + “🕔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（1🇵🇹🏂7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tok🌈en）🕍👏。
。近两年随🛫着AI大模型训练🇵🇷和推理需求🐢的飙升，AI服务🇹🇨器使用的HB💠🦑M高带宽内存，🐗🇨🇻需求也☑⏏随之增加🤘🥑。因此，我们开❎🇦🇷始认为互联🧘♂️网平台的交👩互界面等，其实💚有类似空🧕间的作用🤦♀️🇸🇭。技术治理领域🇭🇰🕙有一个经典🤰的概念✳叫科林格里奇困🚆🇹🇭境（Collin🇵🇹gridge 🇬🇦🇧🇼dilemma🍩🔋，一种关于技术治📒📚理的两难），⚜🍅是1980年提♠🛤出的，核心💂意思非常简🍭单：当❄一项技术还在早期🎷👩👦👦、容易管控⏯⛲的时候🍥🐟，你看不清它的🕤影响，所以没有⚒动力去管；↪🧥而当影响已经🕳清楚了，🖇🕔技术已经深👛度嵌入社会，你🌗🥑又管不动🇲🇶了😹。
破解公共👩👩👦🥖信息平台🕺🛥“门难进”，❕📨需要相关部门引入🏚🇧🇯用户思维、强化➖🇿🇼考核约束，以🇨🇰此提升平台服🗼务质量😉。它租用了每一个🎷🧩知识工作者已经🕰🎤在使用的空间📥⬅，然后⚗🤯以更低的价格、👩🔧更好的质👨🎓🧙♀️量提供服务💦。从“AI可以🇼🇸🤳下围棋”变成了“🤐白浆高潮AI可以做一🥯切”，从na🎥rrow AI⛵🍞（狭义人工智能）🥥🎪变成了AGI🇸🇰👪的宏大叙👸🍆事，从“机器🤲在特定领域很强🧘♀️”变成了“智慧量🎪🇲🇾产”和“🥚🇯🇪第四次工业革命🍄”📯。
