互联网：如果互联网不仅仅是一个人类娱乐设备，而是一个大规模的数据生成实验，会怎样呢？ 你对行业现状有独特的见解，你如何描述当前语言模型的状态呢？我很想谈谈市场结构，但可以先从你对行业的整体看法开始。 是的，我认为我们可能正接近语言模型开发的第二阶段末期。第一阶段是早期几乎完全的研究阶段，标志性的成果包括最初的 Trnformer 论文和对 的早期小规模实验，直到 发布为止。 这是一个专注于小规模实验和算法进步的阶段。然后，第二阶段大致从 开始到现在，进入了初始扩展阶段。
表现得相当不错接着及其他
公司开始大规模扩展这些模型，像Googe、、 和 x 等许多 RCS 数据库 公司也加入了这个竞赛，将模型的能力提升到极限。 过去两三年间，几乎完全是执行层面的工作，涉及如何使大规模训练顺利进行，如何避免代码中的怪异错误，如何设置更大的集群等。 接下来我认为我们将进入一个研究和执行之间更多交替的阶段，各实验室将朝着不同的研究方向发展，并在不同时期取得各自的突破，因此这是一个激动人心的转折期。 他们已经达到了一个阶段，虽然不能说计算资源是丰富的，但已经足够支撑模型的发展，基本不再是一个限制。而在数据方面，所有前沿实验室已经尽可能地挖掘了可用的数据资源。
接下来就是在数据方面取
得突破，对吗？ 是的，基本上是这样。如果你看 您都可以轻松管理所有与图 这三大支柱，计算方面我们显然会继续扩大训练集群的规模，这个方向是比较明确的。算法方面，我认为将会有很多创新。 事实上，很多实验室现在都在这一领域进行深入的研究。而关于数据，你提到的很对，我们已经用尽了所有容易获取的公开数据。 是的，所有人都可以获得相同的数据。 没错，很多人称之为“数据墙”，我们已经利用了所有公开的数据资源。而下一阶段的标志之一将是数据生产。 每个实验室将如何生成所需的数据以实现更高的智能水平，这将是一个关键问题，我们如何朝着数据丰富迈进？这将需要多个领域的前沿研究。
我认为首先是推动数据复杂性
的提升，迈向前沿数据。我们希望在模型中构 BY 列表 建的许多能力，其最大的障碍其实是数据的缺乏。 比如说，过去两年内， gent 一直是一个热门话题，但实际上几乎没有 gent 能很好地运作。原因是网络上根本没有大量有价值的 gent 数据。这些数据不在那里，所以我们需要生产高质量的 gent 数据。 能举个例子，说明我们需要生产什么样的数据吗？ 研究表明，目前所有前沿模型在工具组合上的表现都很差。比如它们需要先查找信息
