যারা “lol Opus 4.7 স্ট্রাওপেরি শব্দে p কয়টি আছে তা গণনা করতে পারে না” বলছে, তারা শুধু দেখাচ্ছে যে তারা LLM এবং টোকেনাইজেশন কিভাবে কাজ করে তা বুঝতে পারছে না। এখানে কারণটি হল: প্রতিটি মডেল এটি করতে ব্যর্থ হয় এবং আর্কিটেকচার পরিবর্তন না হওয়া পর্যন্ত সবসময়ই ব্যর্থ হবে। LLM-গুলি অক্ষর দেখে না। তারা টোকেন দেখে—“straw” + “berry”-এর মতো টেক্সটের চাঙ্কগুলি। যখন আপনি জিজ্ঞাসা করেন “এই শব্দে কয়টি p আছে?”, মডেলটি তার ইনপুটে একক অক্ষরগুলি কখনও দেখেনি। এটি প্যাটার্নের ভিত্তিতে অনুমান করছে, গণনা করছে না। সর্বোত্তম উপমা: কাউকে জিজ্ঞাসা করা, “যেই গানটি তুমি শুনেছ, সেখানে C নোটটি কয়বার বাজিয়েছ?”—তারা আপনাকে বলতে পারবে, verse, chorus, mood, genre, tempo। কিন্তু তারা একক নোটগুলির ট্র্যাকিং করছিলো না। তারা সঙ্গীতটি শুনেছিল, notation-এর নয়।