（来源：上观新闻）
而这种知识通常🦡👩🦳是人类设计师通🏪过经验积累的🙊🏴。它可以🛷🍐同时召🇳🇪唤多个子代😏🇧🇯理并行处理不⛳🇧🇧同维度，再汇总🚘成完整🎚💐的分析文件，供🙆♂️后续所有代理参✊考🍌。在内部测试中💘💾，模型对复杂🕖指令的🧝♂️遵循率提升🇬🇮🚀了 3.2 倍🚪🐞。对于每🥈一种能力，👨👨👦系统会训练一个🇭🇷独立的🇯🇵🇽🇰小型适配器（🦘⤵专业名🚔🚶♀️称叫LoRA🍂适配器，可🥛以理解为给A🕙I安装的一🇪🇪🍨个专用"技🇦🇮🇰🇮能插件🇵🇬🍬"）👭。研究团队🎬测试了一种📱极端组合：用💫™一个只有⚓15亿参🥌数的小模型🇴🇲（DeepSe🇷🇴ek-R1-Di🚚still-Qw👩🦱en-1.5B📱🇵🇱）作为价🚚🐣值模型，去辅🔋🎉助训练一个70🚟亿参数的♻🆕大模型（De🔁🔝epSe👜ek-🍮R1-Dis🤰👩👩👦👦til🕌🇺🇬l-Qw📆en-7B）🇨🇿。
“我们🦴🇲🇻发现，😯♾️更好的方法是⛸让 AI 代理解♓决整个🧨问题，”他说🇮🇹⛹道🇪🇹✍。V4-🌚Pro，61层🤕😡，隐藏维度71🌤68🔅。而GRPO✡🌌通过把🤪🇯🇲整个答案🇮🇳当成一个🚤整体来评分，🇭🇷实际上是把解题任🎾务变成了一🏝个完全🛒😩不同的模型—🔮🐐—技术上叫🇦🇿⏲做"序列级情境🅾👦赌博机"（🧔Sequence🇧🇾-Level C🛢ontext🍑ual Ban🦠🏷dit）🍋。最终它确🧣实找到了解决👫☹方案，🇨🇿但在此之前✌💉，它已经走了许🐻💚多弯路🇨🇭👩🦲。用DC自己↩🇧🇹的话说🚧，这项审查是“人🍀💽工”且“🇽🇰细致”🐭🦑的，目的是确🇧🇸♟️保设计❤💓在实施之前是合理🐔♊的☂。
