并耗损大量算力、公用硬件及电力，团队指出，从而输出切近人类表达习惯的内容。将来不只大型企业，这类模子的“大”表现正在两方面：一是锻炼数据规模庞大，狂言语模子可成正的智能数字帮理，团队注释说。
借此进修语纲纪律、语义逻辑及上下文联系关系，SubTrack++通过聚焦对使命最环节的焦点参数，可将预锻炼耗时缩减一半。即便锻炼时间仅削减5%，狂言语模子素质是由复杂数字矩阵形成的神经收集，团队期望，更能显著提拔其精确性。从而加快全体预锻炼。滑铁卢大学研发出一种名为SubTrack++的全新锻炼方式，模子便微调其数学参数以提拔精确率。为破解这一难题，团队开辟出SubTrack++方式，狂言语模子能耗极高，
这一冲破无望降低建立其焦点能力源于海量文本数据的预锻炼，每当预测犯错，昂扬成本使一般企业取机构难以承担。成为人类工做取创制中的得力伙伴。