相比效果显著，非常出色的老虎算法，移动端优化排序算法的效果要稍差一些。

因而孟繁岐并没有急着推动上线测试，而是等待结合ai语言解释模型的那一个更新准备一起推动。

目前针对语言问题所采用的通常是循环神经网络(rnn)和长短期记忆办法(lst)，这两个工作都是上个世纪末的老办法了。

这两种方法简明好用，因而一直兴盛到2017年左右。

直到transforr，也就是chatgpt的t方法出现。

通常来说，大家都认为transforr方法之所以能够迅速取代rnn和lst，主要是因为它更方便并行进行。

在多个设备上容易做到并行，这件事最核心的意义便是让规模庞大的版本成为可能，这也为后来chatgpt这样的究极巨无霸模型奠定了基础。

“其实老版的rnn也有办法可以把并行做得很好，领域内对这件事有很大的误解。”孟繁岐皱着眉头思索道。

原本时间线，transforr出来之后，所有人都放下了手头老方法的研究，拥抱了t方法。

可18年实际上有人专门做了rnn的高度并行，只可惜已经太迟了。