经典翻车场景：问它某个单词里有几个某字母，或者两个小数谁大，它一本正经给你个错的。很多人当笑话看，其实原因在整条链的最开头。
文字进模型之前要先切块。切出来的不是字母，是常见片段——一个词可能整个是一块，也可能被切成两三段，切法还跟出现频率有关。等到模型这边，它看到的是一串编号，那个词内部长什么样它压根没见过。
所以让它数字母，相当于让你隔着一层不透明的袋子数里面有几颗糖，你只知道袋子的编号。它能答对的时候，多半是训练数据里有人写过这个答案，不是它真数了。
数字比大小同理，多位数被切成好几块，块与块之间没有位值概念。
知道这一层之后，用法就清楚了：需要精确到字符和数值的活，让它写代码去算，别让它直接答。这一条能省掉八成这类翻车。