不会吧不会吧不会吧！我上来就是一个大无语

讲道理，tecent拥有大量聊天记录，做一个完全不难

国内公司完全有能力，有资源做出更好的东西，但是长期投入太大，没人愿意做。

简体中文护栏网ugc水平的参差其实也拖累了中文版chatgpt的水平。可以显著看出中文chatgpt内容和英文版的差距。后者尽管也会闹笑话，但常常能给出更有深度结构更复杂的内容输出。

其实也和样本的筛选和样本的总量有关 gpt用了1500亿左右的单位数据 其中也有包含很多垃圾信息的一个网页爬虫网站 只是他分门别类筛选掉了一些意义不大和重复性高的数据 加上这么大的样本量 才有他现在这么高的一个预测成功率 目前国内还没有那个公司投入这么多去做这训练的第一步

chatgpt应该也采用了中文语料。我玩下来的感觉是，当以中文提问时，有时像基于生成的英文内容再翻译回中文，有时更像是原生中文内容。

看了一下朋友转的百度PLATO聊天记录，严重怀疑这个AI是以微博作为数据源训练的 😂

来自圈子