（来源：上观新闻）
WUM做的，正是🆕同一件事：💇🆎 将视觉🐛、语言、动🚆🍦作、物🇫🇰理预测等😢所有能力，🛴放在同🖥🔧一个网络中，7️⃣🏎从零开始联🎏合训练，融为一🗿体🛫。DC 必须能够🦸♀️🔄在遵循用户🐲🤜指令的前提下🕳探索这🌔🈶一空间，以🇻🇨实现最佳🌅性能🇹🇴🌔。
GRPO因为🇦🇺⌨每道题🇬🇱都需要生成🇵🇸🇦🇴8个答案，训练🇨🇨进程推进得🔃🇺🇬很慢🌋👱。他发现所创造🇹🇰的价值，🇨🇰似乎并不🎳能匹配公司的🎁🧝♀️需要🇶🇦。论文通过🥯👤可视化🎉🎂实验直接观察🤜🦀到，正确和👃🀄错误推理链的价🇩🇰值曲线在👨🎓中间阶段几乎🆖🕧完全重叠，只👐🙅♂️在结尾附近👓💣才分开，证🔅🚦实了这一失🇲🇷🐪效机制🇧🇴。
