（来源：上观新闻）
研究团队通过实验🈁直接观🏴☠️😥察了这个"打分♾️🎙员"的行为，🌨👒结果令人震惊🇩🇬。保持独立适▫配器，📿在使用时根据任👟务类型动态🎤选择对应🈳的适配器，能🐹🗑让每种能🌒☂力都维持最佳状👨👩👧👦🚞态，整体通过率比🙀🇨🇺最强合并👧🙇方案高出👨❤️💋👨6.1🇰🇾🦈个百分点🇲🇬💇。在标准🍵PPO中，那个💂"打分员"（Cr⚠👨🎨itic）通常和♠被训练🤤🇹🇭的AI模型一👨👧👧样大🅾❔。两款芯片均计划🈁于2026🏜年晚些时🍎候正式对外🚥🚙供应🇧🇯💫。
Q2：SP👑🦠PO里的价值🐿模型要多大才够🏢用，能🚘不能用比主模🇦🇱型小很多的🈳📏模型？ 🔸🇯🇴A：实验结👮♀️果表明，〽价值模型可以远小🤐👚于主模型😞。投资者据此🐨操作，风险自🇵🇲担🤼♀️🥭。这条技术🎎👨⚕️路线和能力跑顺🐵了，就👺可以打通🎍很多个生活🏁🌻互动场景🕦。Muon⤴😹是前几年Kell🇹🇳↖er Jorda🎟📹n那批人（他🧘♀️现在在Open🇦🇶👩👩👧AI）🤠在小模型上验💑🌵证过的优化🖨🇹🇴器，基于矩阵正交🥺化🧱。
