（来源：上观新闻）
当下，🧼🇲🇬Open🦚🇳🇮AI正迫切希🏄望在企业🇮🇨市场夺🎻🥾取份额，其竞🇬🇵争对手Anthr🇦🇽🎍opic的Cl🖌aud🇲🇱👨💻e模型已确立🙉🧟♂️领先地位🦅，谷歌📔🐫人黑人一区二区三区的Gemini也😨🆑在积极竞争🗝👥。在临床应用中，📢从患者Ⓜ就诊中自动生成临🔪👷床记录的工具在2🇧🇮2️⃣025年得到广🇪🇨🚙泛采用👨🎤。自从乔🥰🎯布斯去🇨🇷⚖世，大🔛♑家就对🕌苹果的创新能力👩💼和设计🇰🇪品味，不抱🤒什么期待了，单从🇮🇸产品上😮🔧看，似乎近🐿😺些年的👨👨👧👧🙏苹果就只会🤾♂️👪捡安卓🇰🇮🦀阵营的灵感，折叠🚮屏也好，🎰灵动岛也好，都是👩👩👧剩饭，很多纸面参🥓数还完全干不过人🔐家，罗老师都从每🦗🤢年吐槽变成了无力🤟吐槽🇺🇲。
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 “hu😂gs”：5次 👨🎓⛎第一步🇹🇳：将所有词拆分为🧭字符，添加🦆结束符 “hug👨✈️” → “h ↕🇬🇫u g 🏫♻” “pu🏬g” → 🔩“p u g↘ ” “🚳🇩🇪pun” →🕢▪ “p u n 🇰🇳” “bu⛴🇬🇬n” → “⤵😐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 🇬🇼🕛+ “hu♨📸gs”的5次🥞🇹🇷） “🐅🇵🇱u n”：16次🐍（来自“♐5️⃣pun”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“pu”🖐， 词汇表🇱🇰扩展为：{👳♀️b, g🧨, h, n,♥💅 p, s, 🇳🇫🧶人黑人一区二区三区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5🚨🧓0,25🔂👰7个t🍞⚖oke➖▪n）🕕💬。
