徐辰的目光變得深邃，“最好的辦法就是針對SLRM的運算特性，單獨開發一個適合幾何運算的處理器，也許可以稱之為——LPU（邏輯推理單元）。”
當然，這一切得建立在SLRM帶來的經濟價值足夠大的前提下。
……
隨後，徐辰又思考了一下，SLRM應該還有其他2個問題。
一個是泛化能力的邊界。
SLRM的強大，建立在“邏輯可形式化”的基礎上。
對於數學題、邏輯題、程式碼生成這種有著嚴格規則的任務，它簡首就是神。
但是，對於那些模糊的、感性的、沒有標準答案的任務呢？
徐辰目前在這幾個測試集中能有較好表現，本質上是因為這些資料本身含有邏輯資訊，可以訓練模型。
但是，現實世界中的邏輯關係千奇百怪。
比如“貓”。在生物學上，它是貓科動物；在文學上，它可能是“高冷”的代名詞；在網路文化裡，它甚至是“主子”。
而且有些場景就是天然弱邏輯的，比如寫詩，比如閒聊，比如情感諮詢。
SLRM的幾何約束太強了，它像一把鐵鉗，死死地卡住了模型發散思維的翅膀。它不允許模型說任何“邏輯不嚴謹”的話，哪怕那是修辭，是比喻，是藝術。
“成也邏輯，敗也邏輯。”
“看來，未來還需要設計一個更靈活的‘排程器’，讓模型知道什麼時候該用SLRM，什麼時候該放飛自我。但這又是一個巨大的工程量。”
……
另一個問題，是訓練資料的匱乏。
徐辰目前能跑出SOTA，是因為他用的這幾個資料集（SNLI、LogiQA等）都是經過人工精心標註的高質量邏輯資料。
但是，這種資料在海量的網際網路文字中，佔比極低。
想要讓SLRM真正具備通用的邏輯能力，就需要海量的、覆蓋各種領域（法律、醫學、常識）的邏輯資料來訓練。
“沒有資料，SLRM就是個空殼子。”
“而且，不同的邏輯問題下，邏輯的判斷歸屬是不一樣的。這依然需要強大的引數量來擬合。”
徐辰現在的SLRM模組，引數量僅僅只有0.5B。
“如果要記住更多的邏輯，可能要把SLRM擴大到7B，甚至70B，再配合海量的邏輯資料。“
“到時候，它和Transformer結合後的威力，絕對不是簡單的1+1=2。”
“也就是說一個7B的transformer架構的模型，加上7B的SLRM模型，組合起來，可能有超過100B引數的能力。”
“但是……我是沒有能力搞到這麼多資料了。”
……
：論結了出得辰徐，實番一過經
”。間空的大很有還，線路化業產走，強較比值價果學型模個這“
”。的心信有較比是還化業產的向方個這對我，品出統系是為因，過不“
”。好剛剛實其，果學為作，樣這在現“，想一念轉又辰徐
”。人來後給間空進改的夠足了下留又，力潛的覆顛了示展既“
”。子樣的有該文論級頂篇一是才，這“
。生究研向方IA的哺待嗷嗷多活養會將，表發旦一文論篇這，見預以可至甚他
”……》法算演嵌何幾xoB-lebmuG的進改種一《、》用應的中生書文律法在MRLS《、》化佳最統系答問療醫的MRLS於基《“
。聲了出笑住不忍，數了數頭指手著掰辰徐
”。文論篇十幾出水能就，’佈分斯高‘、’錐‘、’球‘換形圖何幾的裡MRLS把是“
”。篇百幾出水能又，析分換、生碼式程換題學數從，換一換景場用應把再“
”！啊題選的別級’桶家全‘波一了送圈IA個整給是就首簡這……的練訓式散分搞，的化量型模搞，的速加搞些那提別更“
”！啊位崗業就造創界IA球全給在是這我，文論發是裡哪這我“
”。量無德功，量無德功“
。悲慈臉一，十合手雙辰徐
