閔欣柔对这个技术並不陌生。
她立即举手道：“老师，基於词典和隱马尔可夫模型的分词吗？”
这是2008年的主流做法，比如ictclas（中科院分词）系统就是这么干的。
吴辰摇摇头。
“不是，我们要用一种叫做bpe，也就是字节对编码的算法。”
“它的原理大致是这样，不要预设字典，而是通过统计字符组合的频率，將最常见的字对合併成一个新的单位————”
听完吴辰的讲解后，閔欣柔立即意识到这种算法完全顛覆了传统。
就像word2vec让机器学会了自己翻译语言，这个bpe算法，让人类与机器的距离又靠近了一步！
她兴奋道：“吴老师，那我们要从哪一部分开始呢，是先写统计脚本，还是先构建词表？”
吴辰理解她的兴奋，同时惊嘆她的敏锐。
bpe算法，是未来大语言模型的一大重要支柱。
“从数据標註开始。”
“那我的任务呢？”
“去刷天涯论坛，然后在假期结束前完成5000条数据的標註，对一个帖子，你需要分辨出里面的好话、反话和脏话，並且標註情感正负向。”
“老师，我明白了！”
閔欣柔答应了下来。
算上明天和后天，再加上长假七天，她总共有九天时间。
如果要標註5000条数据，那就意味著她每天除了吃饭睡觉，至少要工作12个小时以上。
手不能停，脑子更不能停。
吴辰自然也明白这个道理，但他什么也没说。
对閔欣柔的学习能力他很满意，所以想好好培养她。
但这小姑娘有一个很大的缺点，就是太容易相信人。
自己也没做多少事，她就这么信任自己，那她以后在社会上一定会吃亏。
那吴辰不介意提前教她什么叫资本家的险恶。
看了看时间，吴辰道：“我下午还要去学校，你在家自己呆著，我的电脑你直接用就好了，请假的事情我会和你们辅导员说。”
閔欣柔点了点头。
吴辰的电脑她之前已经用过，很熟练了。
不过她有些难过的看著自己的右脚说：“老师，我今天受伤了，本来还打算做饭给您吃的。”
她现在走几步都难，更別说站在灶台前了。
吴辰奇怪的看了她一眼。
“怎么不能————你这样。”
他起身把电脑椅从书桌后搬过来，让閔欣柔坐上去后，推著她来到了厨房。
“椅子下面有轮子，你去哪里都很方便，而且还能坐著做饭，多方便。
安顿好閔欣柔以后，吴辰心情愉悦的去了学校。
他真的很看好这小姑娘在学术上的天赋。
其实bpe算法他花两个月左右就能完全搞定。
但有了閔欣柔的帮忙，下个月她就能帮自己处理讯飞和天涯那边给的数据，省去自己很大的精力。
那他就可以更专注的做关於注意力机制的研究了。
这项技术，是transforr架构的核心。
他不准备假手他人，必须自己牢牢掌握在手里。
而对自己掌握的其他超前知识，他不介意找一支聪明人组成的核心团队来帮助自己研究。
但相比聪明，更重要的是忠诚。
而老师这个身份就非常容易培养出一批忠於自己的人。
比如汉东省某个主观上不存在，但客观上存在的小团体。
其实学生们要的真的不多，只是一份正常的报酬而已。
所以吴辰很不理解高校里某些老师的做法，非要把学生当成牲口压榨，最后弄的一点香火情都没有。
到学校停好车后，吴辰径直去了篮球场。
下午是信工学院和国际教育学院教师组的篮球赛。
由於王宏发要参赛，所以刘萍这个狗腿子就把签到地点定在了这里。
到了以后，比赛已经开始了。
吴辰瞅了一眼得分牌。
不出意外，信工学院在王宏发的带领下，以负30分的比分大幅度领先於对方。
眼看著比赛已经到了第四节，担任控球后卫的黄瑞杰急了。
其实对学院荣誉什么的他也不在乎。
但对面那个叫朴国昌的韩国中锋实在是让他恼火。
不仅动作脏，嘴里还不乾不净。
而且在美国上学的时候，黄瑞杰就被几个韩国人发生过衝突，对这帮人拿春节和端午节去申遗的强盗逻辑噁心的不行。
没想到回国了以后还被欺负