（来源：上观新闻）
” 这💰🧝♀️一思路与🎁 An🔦drej Ka👨⚕️🗄rpathy🗓🧟♂️ 近期🗣关于“👯♂️🔯LLM 知识🍕🦀库”的工作异🇩🇯🗨曲同工💆♂️💹。除了那些“♿掉链子”🧙♂️🇧🇿“爆装备”👒🇱🇺的选手🏜之外，快，可能是🚊今年机器🇵🇸✔人马拉松会👩🎓🇲🇦给大家带🧮来的直观感🇮🇪📍受🥜🇨🇿。这是当下政策强⚡调科技伦理的一个📿📊重要背😝🏗景，也就是说，🔧技术系☸🏐统设计、运营🌕🦈者不能仅仅考虑它🇸🇻👨⚕️在正常使用时存🍝在的问题，而且要🇧🇲🚻考虑其被滥用🔞的风险，并✊🚕尽量地控制它📻🦝。
。这看起来是主💿🙍♂️动的拥抱✉，但背后是非⛄常现实的生存压🐢👼力：如果你不研🇳🇪😡究AI推荐🏄♀️的下法🇵🇸，你在比2️⃣赛中就会💳落后；如果👁💏你不会借助A❕🦡I做解说，你🐯的位置就🏂🔙可能被别人取代🌭。“当前，我国☹智能科研平台建设🐴正处于高速发🍝展的战略机遇期，🤭🇳🇱但‘多头并进’🔤🇦🇩的格局也🇮🇪😚导致产业生态🔡呈现碎🏴☠️🎈片化特征↩🇱🇮。CTO Pet🇩🇬er Pang曾1️⃣🤳是 Met🚊🚈a Llama🥿 3 团队的3️⃣🇦🇿研究科学☺家——开🇪🇸源 AI 历🐃🚺史上最有影响力的👷♀️👨👨👧项目之🦃🐕一——更早🇺🇸🍯之前在 Appl🌩e 做多模态模型♿👨👧👧研究⚠。首先，手🧛♂️🌱机厂商💬🍎品牌更响亮，机🚶器人产品推出后，💛🌜不缺用户市场🐸的大流量和📦👡关注度⛄🌛。2. 🐳🦡从“预测😳🤐下一个🏰🆖Toke🧙♀️🖋n”到“🥒㊙世界模型”（Wo🍰⚱rld Mo👋dels） 目前⛄的 LLM 本质🔊🦹♂️上是统计学鹦鹉，👩⚖️它们通过阅🇲🇸🥵读海量文本来♉👨🦱“模仿”推理🔋💐。
