直接對話，絲滑切換。

    “多任務統一進了一個模型我還有所預料，畢竟去年的預告當中視頻就是這么做的。但多語言這件事我確實沒想到，并且聽他的意思，還不是通過翻譯做的。”如果不是通過翻譯做的，那大語言模型的魅力實在就太大了。

    畢竟許多人類處理多語言問題...也是要翻譯的。

    不夠熟練的時候，往往會翻譯成母語進行理解。

    自己的回答呢，也是先由母語的形式生成，然后再翻譯過去。

    孟繁岐大概清楚大家好奇的地方，多語言模式通過單一主要語言來執行是最方便的。

    現在市面上英文模型做得最好，很多人也嘗試過把其他語言先翻譯成英語，然后交給模型處理，處理完之后，再翻譯回特定語言。

    這種方式聽上去很合理，但實際上往往會導致相當微妙的結果。

    因為機器翻譯本身，就還有很長的一段路要走。

    舉個例子，谷歌翻譯幾十次，你將會得到完全不同的神奇結果。

    比如出師表，【先帝創業未半而中道崩殂，今天下三分】。

    經過20次谷歌翻譯之后就會變成，【皇帝碳酸鈣三世躺在酸液里，英年早逝，享年3000歲】。

    幾乎可以說連一個沾邊的字都沒有了。

    而且槽點多的數不清，什么叫特么的3000歲的英年早逝？？

    “我們其實并沒有對多語言本身做太多專門的適配，只是單純在數據的數量和質量上做了許多工作，不同的語言其實都是一鍋燉的，全部的詞匯都在同一個詞表當中。或許對大語言模型來說，不同種類的語言原本就并沒有什么不同吧。”孟繁岐在這個問題上給出的答案同樣驚人。

    沒有太多精妙的針對性關鍵技巧，大數據加大模型，原本費盡心思也無法妥善解決的問題就這么迎刃而解。

    記住幾十種語言外帶十幾種編程語言，完全不是什么難題。