（来源：上观新闻）
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（Dee💠pSeek♿-R1-🚡🇦🇸Dis🔐till-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（D😷☝eepSeek-🔬🥰R1-Di🙏◻什么是泛目录站群still-Q🆕wen-7🎁B）🌒。你扫一眼就能发🌲现：左边那张🌑🧝♀️整体有🐯🎵点暗，但右⌚🇳🇪边那张的天空部分🐾出现了🐽🔷颗粒感，而两张🇰🇪照片的草®地区域都还不🤦♂️错😜🎒。训练方式是一🐌🇳🇺种叫做G➰☕RPO的👥强化学习算法：A🥕🚬I在练习场景中一🉐⚙次生成多↪个不同的答🐄案，系统根📆🇱🇷据每个答案的好坏☸🏭给出分数，然后🏇通过对比组🦠🔍内分数的高🇧🇼低来计算每个答案💉应该被强🌮化还是🌺削弱🇳🇿🎁。
这不是de🚙什么是泛目录站群mo，而🇵🇷是真正的“上岗”8️⃣🔣。每个专业代🔰理只能写它职📵责范围⏳内的文件🇯🇪👩🎓，共享⬜日志只能追🇯🇴😁加不能覆盖🤹♀️⛔。2025年🥕，Moonsho🇸🇪t用Muon（加🦴上他们自己🇷🇺的QK-Cli🤣📛p变种🦶，合称Muon👨👧👧🤹♂️Clip）训了🥈一个1T参数🧚♀️🕉的MoE7️⃣，15.5📴T token🐜，全程零崩溃🇲🇻♉。这项研究🧖♀️✳也引出了一些值🧰🇹🇱得继续思🐛🐾考的问题🗒🇸🇸。此外，🥑🇪🇹系统还设🇹🇨有一个"通用🐳助手接口"，用于🇸🇩🚪处理探🔷索、规划或一次性🤝辅助任务，这些任😫😔务不需要专门的🤺专家流程🇦🇼😈，但也值得有🐿🧙♂️一个专门的🥃🔥代理去🇰🇷完成🕎👼。
