（来源：上观新闻）
发现二：排名🔵🦄前二的🇱🇨人格类型，🐒竟然几乎对立 🐺🎦最多的是A🔈🇪🇷LUT（谨慎协🏎👶同稳化者）🔬，占1🇩🇴🍥7.1%——🤛适应型👩🏭、分析型⛩🎆、支持型🔋成人深爱激情、稳定导👩🦱😼向🇪🇬🎳。这样一来，两周🧱后当 T☝an 再次☮🇩🇿见到这🚣♀️🗳位创始人☕⁉时，他不需🦒要翻邮件👩🦱、查日历、回🍖🕤忆上次聊🐠🏴☠️了什么😥。
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🚷🥗： “hu💋🏴☠️g”：10次📮👌 “p🏺ug”：5次 👃“pun🚥”：12次 “b⛰un”：4次👡😸 “hu📯🧐gs”：5次 第💻一步：将所有词3️⃣拆分为字符，添加🍧👩🦰结束符 😒“hu🙇g” 👩👦→ “h😝 u g ” “🇸🇴pug”💢 → “p u 🌱g ” “🖍pun” 🇲🇽→ “p 🕑🍶u n ” “b😆🥭un” → 🛄👮“b u 👨⚖️n ” “hug🖼s” → “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 🇷🇴+ “hug❄s”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（17次🌎），创🦹♀️😀建新符号“p🎠u”，🇩🇰 词汇表扩展为：🇸🇨{b, g, h🧘♂️, n, p,🆕 s,😡 u, , p🇰🇭🚎u} 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🔵token）🤳🇩🇲。
