ทุกคนที่โพสต์ว่า “lol Opus 4.7 นับตัวอักษร p ในคำว่า strawperry ไม่ได้” แค่แสดงให้เห็นว่าพวกเขาไม่เข้าใจว่า LLMs และการแยกโทเค็นทำงานอย่างไร นี่คือเหตุผลที่โมเดลทุกตัวล้มเหลวในเรื่องนี้และจะล้มเหลวตลอดไป เว้นแต่สถาปัตยกรรมจะเปลี่ยนไป LLMs ไม่ได้เห็นตัวอักษร แต่เห็นโทเค็น—ชิ้นส่วนของข้อความเช่น “straw” + “berry” เมื่อคุณถามว่า “ในคำนี้มีตัว p กี่ตัว” โมเดลไม่เคยเห็นตัวอักษรแต่ละตัวในข้อมูลนำเข้าของมัน มันแค่เดาจากลักษณะรูปแบบ ไม่ได้นับ เปรียบเทียบได้ดีที่สุดคือ การถามคนว่า “โน้ต C ถูกเล่นกี่ครั้งในเพลงที่พวกเขาเพิ่งได้ยิน” พวกเขาสามารถบอกคุณได้ว่าไหนเป็นท่อนเวิร์ส ไหนเป็นท่อนคอรัส อารมณ์ เพศทางดนตรี จังหวะ แต่พวกเขาไม่ได้ติดตามโน้ตแต่ละตัว พวกเขาได้ยินดนตรี ไม่ใช่สัญลักษณ์ดนตรี