（来源：上观新闻）
代表成果：2🖊🦹♀️024年12月G🏂🍹oogl🌿🤼♀️e的Willow🔹芯片有105个⏳⛳qubit，首次💘📀实证"低于阈值🇲🇫"现象（这个🇨🇫🔄词后面会专📍🚐门讲）⌚。BPE算法通🚌过频率统🉐🇸🇴计实现的“打包”🇩🇪与“拆🔒分”机制™，本质上是用统🧘♀️计学方法💅模拟人类语言的🥪层级结构💭🌊。“同样是‘交货准🇧🇴🎂时率’这个指标♎，三个系统算出来🏖👥的结果都不一样🇫🇮。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”：12🕞次 “b🍳un”：4次🥯🇲🇵 “hugs👤👨👨👧”：5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” 👨🦱→ “h 👨🏫u g s 🧣😑” 初始词汇表🥠仅包含基础字符⚔：{b, g,👏 h, 🛢🇵🇭n, p,💨👨🎨 s,🇸🇩💪 u, t} 🥶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）📔🐾欧美久久博爱 “p u”：1🆒7次（❎来自“p🇰🇵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, , 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5🔎0,257个🍋🕶toke🥾n）⚡。
项目组对这份🏴🛌清单的目标是😻 “逐个拜访😪🇸🇽，全部加入”🤹♀️。2025👨🎨年5月下旬，An✖👩🦲throp🌎👨👧ic在宣发C💂🍸laude Op🌵us 4时，🚜😙例行发🐗布系统卡文件🚝。操作系↘统层面要求📥🌧构建系统化的🚆三层元规则体系🦑🔉，价值层确立不可📥🇦🇴逾越的伦理底线🇪🇭，协同层🏏确立三类主体🌫🤥之间的接口💓标准，执行层确立🌦具体业务场景中的🔊⛱操作边界🤮。
