刘思洋觉得他需要设计一套问题，然后找一个大模型输入这些问题，然后根据大模型回答的答案来逆推出大模型的核心算法。或者至少可以窥探到大模型核心算法的思路。
这听起来有些不可思议，但是他研究的逆推算法就是专门为了解决这一类为题的。
这就好像一些人格分析程序，让被测者回答二百多个问题，根据被测者的答案就能推测出被测者的性格一样。
这里面首先要了解这个大模型的特点，比如大模型是什么类型的，重点是哪个领域的，善于解析什么问题。
然后再根据大模型的特点设计一套问题，接着再根据大模型给出的答案逆推大模型的核心逻辑，也就是核心算法。
当然，这不太可能一次成功，需要反复调整、反复测试，不断地改进问题和逆推算法。
使用逆推算法最高深的就是设计问题，因为你的问题能够触及大模型的独特的算法逻辑，才能让你逆推出大模型的核心算法。如果你的问题都是一些比较普遍的问题，那就无法窥探到大模型的与众不同之处。
刘思洋决定先找一个大模型试一试，验证一下自己的思路到底行不行。
他先找了一个开放的公共服务大模型，按照自己思路总结大模型的特点、编制题目、去大模型获得答案，然后再用自己设计的逆推算法程序对答案进行分析。
他只用了半年的时间，在经历了上百次的不断优化和调整之后，他竟然成功了，搞出了一套完整的针对大模型的逆推算法程序。
接下来，他要做的是利用他的大模型逆推算法程序去窥探各个大模型的核心算法和逻辑，然后开始构架他心目中的超能机器人的体系。
在他的心目中，他的超能机器人的最大的特点就是学习能力超强，学习能力主要是用各个大模型的核心算法构成的，还有一个模块能够实现对自身算法的优化迭代，从而具备了一定程度的自我完善能力。
刘思洋勾画了一个超能机器人的架构图，感觉缺乏哪