（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 “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 ” “b🚀🍫un” → 🐮🛵“b u n 🇬🇺” “hu👭gs” → 💎“h u 😪🛑g s🛥一本色道久久88加勒比综合 ” 初始词汇🇷🇺👨🍳表仅包含基础🔆👩👩👦字符：{b,🎶🇹🇷 g, 🎇👩💼h, n, 1️⃣p, s, u🇲🇳, } 第🇻🇬二步：统计相邻字🇻🇺符对的出现频率 0️⃣“u g”：🏡🦡15次（来自🎪🆎“hug🇪🇬🌃”的10次 🖍🥤+ “hugs🐜”的5次）🎻 “u n”：1🍿🎫6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❣🤽♀️“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🦉🥾50,25🇬🇼💽7个to💿🇧🇾ken）👖。
2026年⚓🎥3月，最高法院🛷在工作报告中表示🧷，促进人工🚴🏈智能规范发🦄展🇯🇴🇰🇵。但我做了一年🇬🇸的田野调🍯查，观察🥃👩🦳到的实际情况🛁要复杂得多👶🇨🇨。至少，中🏳️🌈🥤国厂商愿意花几十📕🇪🇨、上百亿和漫🐄🏴长的时间，🤠去捣鼓一🇧🇷🍮个跟iOS和安👨❤️💋👨😽卓都不💭一样的新操作🇵🇦🚇系统🧗♂️🤕。
