（来源：上观新闻）
在后训练阶🇵🇷段，V🗾🇻🇦4这一代做了一🌉次方法论🍼替换，传统的📀📍mixed 🌸❤RL阶段被On-🇹🇨Policy D🚦🇸🇭ist👨🦰ill🕕atio🥑💝n（OPD）完全🍺↩替代🕢。” 关于成🏺熟的O👝PC生态🍫，姚双认为🚇，不能🌯只靠创业😛👠者单打独斗，💱而应借鉴国外🚽A16z、YC📱🦌等机构的成♦💎功经验，构建一🌼🇰🇳个“创造者—🥚社区—🤑产品—服务”🖨🎓的完整闭环体系⁉。要让代码真正跑🎭🇬🇦起来，需🛴要配置运行环境🌈、下载🕐🦍数据集、📠获取预训练模型🇰🇳，并将所🇫🇲有这些资源🇿🇦↔拼接成一📉🇿🇦个可运行🐫🌔的完整系🍧🧸统🕹📋。
更重要🇲🇾的是，WALL-🏓✌B首次展现出一🇪🇬种被称为📔🤼♂️“原生本体感”的🇳🇵🍣能力🇬🇼📸。这种探索工作是浪🌩费的，不必要地消🃏耗了令牌，🐾而如果模🦇型对架🐂🦇构和工💱程有更深入的理🏌🧥解，这↘些浪费是可🤯🍑以避免🇲🇲的↪ℹ。尤其值得关注的👩👩👧🐎是一个🛑📀有趣的对🌑🏇比：仅🍨🕸仅针对单一能力▶🇰🇬训练一🇿🇲个插件，🇳🇺🌝就能达到4🇮🇹0.3%🌐🇧🇪的通过🚔🇦🇶率，已经超过了♏🥤AWM和ADP🇹🇱🕑等使用🇳🇺大量通用☸训练数据的👨🔬方法✋🍫。但现有主流🌎◻训练方法存在根🚴♀️本性的🚽缺陷，而这📊🤜篇论文提出的新方📉法，正是为✌了彻底解🇨🇻🇳🇨决这个*️⃣🖼问题👩🔧。
