笑死我了，通义千问

逻辑比较关系序列、条理化训练不足，原因是这方面语料就少，生成就跟着差。你问一个四、五岁的缺少这方面思维经验的小孩，一样会错误百出。

当然，如果它能象人这样进化伴随网络结构、功能长期边进化边扩容优化过，网络结构功能的封装固化也会变好，基础就优，小样本也能高效学习。

数据、算法、算力，数据涉及逻辑比较关系的量不足，算法算力涉及的参数规模肯定够，通义千问应是参数量最大的模型了，但算法算力涉及的另一些东西可能它也麻烦，一是参数规模太大，匹配的训练耗电从两大方面都爆增，即迭代轮数和神经元数两方面耗电需大增，规模大迭代量就要大才避免欠拟合的深度学习原理仍对大模型有效。一是管理者压力，资金与人力、机器时间限制对于通义千问的管理层来说，超大的模型很难放开手脚不计代价让其训练进步。