（来源：上观新闻）
但这项研究的实💳验结果表明，单🌖纯增加交🎽🇱🇸互轮次并不🏫🧗♂️能带来📹持续的进步，因为🇹🇰🏊每一轮新的工作🇵🇹👍如果不能建立🕑🔅在之前工作的⁉基础上，🇵🇳就只是在重复🐹劳动，而不是在积🐸累😐。在GLM🅿-5下差🤸♀️距更悬殊：🖤🇵🇱迭代代理每任务花🦴费54.🇾🇪90美元🐴，AI科学家只🇦🇴🤲需12.20美🥓🇱🇦元🚷✌。
”刘岩总结🖨。董事长🙍♂️成锐进🧿一步说明，🇲🇹🏒此举旨在避免🧡🈺为满足短期报表要🕳🕔求而压👩缩底层研发投💤🤫入，防止公司陷🏅入同质化竞争，✝💕从而为战略执行预🖱泛目录寄生虫程序留必要的空🎯泛目录寄生虫程序间📎💈。DC 可😐🇲🇹能需要多个子代理🕗🈳实例协🙃😖同工作才能及时完🇹🇱🐾成其任务🤩。**六、不只是🗡⏸纸上谈兵：😁在经典游🗓戏控制任务上的👨👧👧💆♂️验证** 为了🆚🐪排除"成🥳🕉功可能只是因为在🇸🇸🇬🇼某个特👨👨👧👧定训练🚨🇳🇱框架下的系统优🔓🥓化"这一🎿疑虑，研究团🐱队把SPPO🥓移植到了五个经🇮🇶😏典的强化🈵学习控制任务🔘👱上：精密🇬🇭💣版CartP🇷🇴ole（控制杆🖐子不倒）、M🇰🇭⏱oun💅tai🇫🇷🎎nCar（让🏷小车爬上山）、🇨🇴Hopp🇹🇹er（双足机器🕓🌳人前进）、L🇰🇿📆unarLand🔩er（🗒🇱🇺月球着陆器着陆🦹♂️）和Pendu🇪🇦💲lum（保🚀🕯持摆杆直立）⚗。
对比V3仅用14🙋.8T Tok🌏🎙en训练，V4-🐡Flash🦢 与 V4-👩🔧🎾Pro 的数据🏣🇺🇿消耗量分别🇿🇼达到了32🐯T和33T🥯🧀。V4的注🕑🏔意力层不🍘是一种，🇧🇩🎒是两种交替使用的👘结构，CSA（🇲🇲Comp🇮🇶泛目录寄生虫程序res🌬sed🗄 Spa🇳🇱rse 🥊😍Attenti💴🤬on）🌤和HCA（H🚏👩👩👦👦eavil👨❤️👨👨👦y C👨🦰🌒ompre📷🕯ssed Att📫ention）🔑。
