1我懂中文，懂日文，也懂英文，而且我就是一个炭基神经网络。

我并不真正敢说自己懂模型，但是我清楚我的学习过程，无论中文，日文，英文，学习难度是一码事，从所有这些语言的数据中，获取新的知识是另一码事。

2而《Scaling Laws, Honestly》这篇文章指出的问题是，针对模型规模，训练模型的数据严重不足。

从一方面理解，这是加速算力基建的一个利空。但是从另一方面理解，我们已经有了更大的规模，那么更多的高质量数据，能继续推升模型能力。

3进而另外一个评论和文献指出，英文也有英文的问题，“英语在形态学上非常贫乏，是我测试的 12 种语言中效率最低的语言之一。” 因此训练效率不高。

所以，其实如果你对任何语言，都没有歧视的话。。。

那么超脱语言关注有价值的信息密度数据的答案呼之欲出。

4对于模型各国语言的训练效率，其实无关紧要。要紧的是更多的有价值的训练数据。

因此，不但应该像 open ai 和 Claude 那样疯狂的爬取和收集中文数据，而且什么法文，日文的，都应该弄到一起。

然后，通过一个哪怕效率不高的训练过程，让模型学会阅读所有数据，然后做一个包含所有语言的，经过清洗的数据集合。

这个集合最大限度的包含人类已知的，可以用语言表达的，背后的所有知识，用来以一个更合理的 数据 vs 模型规模的比例，训练能力更强的模型。

5因此，所有搞任何语言歧视的，都应该出来道歉。

这些人膝盖有问题，大脑也有问题。