（来源：上观新闻）
在训练超参数方⛹面，研究团♨队对损失🤚函数中🇲🇽四项任⏩🧷务的权重系数🔛进行了网格🕕搜索，🔱🗑最终确定🦓🔞的配置为：区域🏡比较关系损失🕙☂权重0.🍾🙋1、失真类型识✍别损失权重1.🤣🤪0、严重⤵程度分类损失权重🦝0.1、质👮量评分回归😫损失权重1.0🦸♂️⚡。在GLM-5📯下差距更悬殊：🎚迭代代理每任务花📝🐕费54.9🧫🕙0美元，A🍌🤑I科学👧家只需💧🇮🇨12.20⏲美元🧘♀️。
整个过程没有"🍋中间步骤🔫🇻🇪"的概念，只有🇰🇭"整体行动🚄📥"和"最终结🚗果"的对应关🇸🇱🇭🇺系🇧🇲🆗。第四种⚙🚳叫"前🎱提条件验证"🕙🇦🇸：AI没有检查策🇫🇯略规则就直🧕🗻接执行了操作🏈。这些错误最终会🥜被纠正，因📠🇳🇬为 DC 可以❤访问工具提供😤的实际👩🌾时序报告，但这会Ⓜ🍞减慢 D🚠📑C 的🕵🔳进度并消🍬🦒耗额外🧖♀️的令牌💿👢。2020👭 年，研究人员💚🧺对 GPT🎗🥕-2 模型进行了🐺↪微调，使其能够🚯设计逻辑电路片段🇧🇮🏛；2023 📇年，研究🇸🇰💤人员使用GPT🇧🇳🧪-4 帮助设🐂🎺计了一个具有新▫型指令集的 8☄🇰🇭 位处理器；◀到 202🇨🇭4 年，各种 👨👧〰LLM 📟可以设计和测试👩🦰具有基本功能的芯👩🔬👫片，例如掷骰🇱🇾🇨🇲子（尽🍋🧣管这些芯片通常存🏓在缺陷👩⚕️）🦃🇬🇲。
