这条推特主要在说当前的大型语言模型（LLMs）的发展趋势，并预测未来模型的优化方向。简单来说：

1. 模型会变小但更聪明：作者认为未来的模型会越来越小，但思考能力会更强。目前模型很大，是因为在训练时让它们记住了很多不必要的东西，比如互联网中的大量信息。

2. 模型的记忆力很强：这些模型在记忆方面比人类强很多，只需一次训练就能记住很多细节。

3. 训练目标的问题：目前训练模型的方法要求它们能够背诵互联网上的任意段落，就像在闭卷考试中需要记住大量细节。这是因为训练数据中思考和知识是交织在一起的。

4. 未来的优化方法：为了让模型变得更小更聪明，先要让它们变大，利用这些大模型帮助整理和优化训练数据，最终得到“完美的训练集”。这样，即使用一个小模型训练，也能变得非常强大。

5. 可能的影响：虽然未来的小模型在某些具体知识上（比如化学）可能不如现在的大模型，但整体上会更加聪明和高效，偶尔需要查阅一些信息。

总结起来，这条推特在讨论语言模型的发展趋势，预示未来的小模型将会变得更聪明，但目前的目标是利用大模型优化训练数据，逐步提升模型的质量。