（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 “pu😅g”：5次 🇶🇦🦒“pu☮📁n”：12次 🤮“bun”↪：4次 “🇵🇦hugs”🏘：5次 第一🐇🎫步：将所有词拆分😅为字符，添加结束🍑符 “hu😡🌊g” → “h📦 u g ”🇨🇲 “pug” 🤶🖤→ “p u🇬🇦🚘 g ” 🍶“pun” →🤪 “p👩⚕️ u n 💶🚄” “bun” 🌴🌦→ “b u💆 n ” “hu🔝🎾gs” → “✒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 +🅿 “b🏆🐂un”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, 🌂📉, p🦙u} 第四🧹步：迭8️⃣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t⤴oken）🇦🇬。
换言之，过去💦的「人车家」是🏯用户带着🥶🇲🇳自己的数据（手机✡🔜），穿梭在全屋🏊♀️🎦智能和智能🐴汽车这两个🔦🔬相对独立的场景🎡中🏟。致命的是，包含完👩🔬🐀整源代码的59🦈🦹♀️.8MB调试用👁️🗨️ cli.js🇸🇲.map 😚文件被错误打💊包🛒。这一水平🤑🔨不仅远超传统食品🥕饮料等大众🍸快消品，更与主流🇲🇪美妆日化品牌📉⏱野狼久久社区的盈利水平相当🇩🇿🇰🇪，也为参半的饱💽🤶和式打🏓🥄法提供了⛰🇨🇦充足的财务支撑🇧🇧。
