目前的训练就是预测下一个token，而即便是最好的数据，也就是人类准备的数据，下一个token的上限就是人类的智慧；那么从训练角度，永远选择lose最少的checkpoint，那么选出来的模型的上限只是预测了人类现有的标注数据
--
FROM 167.220.233.*