中外网友在小红书相互引荐电影、欧洲书本、音乐、剧集，有热心的我国网友更为外国用户整理了快速入门汉语的线上教材。

所以综上看来，需求假如缺少语料库的大模型厂商需求找到一个活人多的交际途径作为语料供货商，微博或许会是一个不错的选项。而从B站和微博现在的开展阶段和商业形式来看，考虑笔者以为都是适宜跟大模型厂商达到Reddit形式协作的。

从2023Q4到2024Q2，联系微博的月活用户数分别为5.98、联系5.88和5.83亿，其用户定位和运用场景都现已满足明晰，所以在高强度的注意力竞赛中用户规划还能坚持相对安稳。2024年B站现已与kimi有较为深度的协作，欧洲包含kimi在B站投进广告，以及kimi生成的成果信源之中包含B站。当然以上仅为剖析模板，需求关于B站，小红书，微博，豆瓣，知乎等途径在以上这三个方面的体现，需求在此模板上愈加详尽的途径语料调研。

仅仅假如肯尼亚这个信息点是真，考虑这或许意味着在那时分的大模型圈，像OpenAI这样操作的也不止一家。相似状况的当然还有抖音的母公司字节（仅仅其更多为视频图画内容），联系这些以交际途径为商业帝国根基的大厂，联系一起又布局了云核算，并在AI年代布局了大模型，都会将本身途径内容捏在自己手里。

不过有一点毋庸置疑，欧洲交际途径用户风格是什么样，其作为语料供货商所练习的AI极大或许也会具有相同的性情。

此前《新态度》的文章就提过：需求小红书2024年四季度日均查找量现已来到了6亿次邻近，而前年年中这一方针仍是3亿左右。现在用MatterGen来盖房子，考虑你能够直接说你想要一个五室一厅，考虑需求一个健身房，一个电竞房，两个小卧室，一个主卧室，最好房子外面再来一个小花园。

这种规划不只进步了模型的适应性，联系还削减了微调所需的符号数据量，联系由于模型不需求从头学习每个使命的特性，而是能够在预练习的根底上进行调整。现在，欧洲微软现已把该研讨发布在了《Nature》上，而且得到了许多科技大咖的认可。

这也便是说，需求MatterGen经过分散进程将杂乱的无机资料发现，进行了更细化的分化生成。先从原子类型下手，考虑就像选择不同质地和特性的建筑资料;再精心确认这些原子在空间中的坐标方位，考虑精准放置每一块砖石;最终构建出完美的周期晶格，搭建起安定而共同的房子结构。