这类transformer大模型最初设计就是为了解决翻译问题，关注的是在语义空间的【近似性】概率，billion和亿已经是高维语义空间中【最接近】的两个tokens了，这导致大模型往往【侧重语文】（写诗，写小说，翻译，摘要，总结，评论），数学问题往往【偏科】，要不就需要【雕花】处理，要么就耦合专门的数学和推理子模块来【打补丁】

我已经跟这个问题奋战很久了

billion和亿已经是高维语义空间中【最接近】的两个tokens了，除非单独定义10亿是一个token，为了语义连续，就需要另外进行数学换算，这可能就需要【雕花】了，当然，还是能做到的

chatgpt也会把billion弄错成了亿，谁能给kimi反馈一下…

chatgpt也会把billion弄错成了亿，谁能给kimi反馈一下…

这类transformer大模型最初设计就是为了解决翻译问题，关注的是在语义空间的【近似性】概率，billion和亿已经是高维语义空间中【最接近】的两个tokens了，这导致大模型往往【侧重语文】（写诗，写小说，翻译，摘要，总结，评论），数学问题往往【偏科】，要不就需要【雕花】处理，要么就耦合专门的数学和推理子模块来【打补丁】

一直错 你试试21点
错的一塌糊涂
我觉得我们的大模型是拿来主义 把现有的答案 组织成语言而已
组成语言 这点还是不错的

各种chat还是只能做“模糊的正确”，它们理解不了什么是“精确的错误”。。。

小丰总用过这个吗？网页链接{Reportify - AI 投资研究深度内容问答引擎} 这个感觉还不错。

我们做过测试，kimi极度不擅长数字相关

我的kimi没出现这个问题

为啥用kimi，这个东西也就gpt3.5的水平，glm文心qwen好多了啊

我也有点纳闷，数字问题 好像许多都掉链子 我上次问了一个“从今天到2025年2月28日有几天”的问题 许多ai都错了 国内外都有

kimi并没有解决大模型的问题，所谓上下文20万字，也不是大模型大幅度进化，窗口大到了20万字，也就是RAG做的好点，前置prompt做的好点而已，和大模型本身没多大关系