（来源：上观新闻）
接下来，我们将👴🇷🇺介绍DC构🔻建Ver🌒Cor🚭🤢e的方法论，🇳🇱包括RT🇸🇲🏠L实现🙁🇲🇳、测试平🏛🐙台实现🍇、前端调试、时😒序收敛优⛵🇧🇼化以及与后😾🇨🇰端工具的交互🌤。这种方🕸式不需要事👸👨👩👧👧先标注"正确🇲🇱答案长什🐅么样"，📯只需要能判断"答ℹ案是好是💐坏"，因此非🇧🇻👨💼常适合复🚖杂的多步骤任务👨👩👧👧场景🚓。V4把这件事推🇫🇮到了百万🍚🏠toke🇮🇩👩🎨n😺。
MoE用1个s😍hared ex🖱pert 🧞♂️+ 256🔂个routed 🛹🎼experts🤘🧕，每token🇵🇷🍅激活6个😊⏹。在20个不🇬🇩同的论文复现任务😻😃中，几乎🥩🖐每一个任务上🕷🦌AI科学家都🇹🇳🇵🇭有明显提升，其中🦶最显著的一🌩个任务（pi🥈🔲nn）在GLM🕑-5下❎🇦🇶提升了32.99⛄分❎🚴。实现上♻用Sinkhor⚰🇪🇸n-Knop🚦🏪p迭代，交替做行🙌归一化👨👧👦💼和列归一化，迭🈯代20次🧽收敛🧛♀️🔞。
本报告的🇸🇻🎿其余部分将介绍设🛰计Design 👨👨👧Conduc🍧🥶tor (DC)🇲🇰↙ 如何实现这🇧🇴一点♈🌒。评分维度包🐝🦑括代码质量🚔、能否成功运行🚰👾，以及结果与论文💯的吻合程度🌍🕺。你可以把🇰🇷它理解2️⃣🌡成一种"步🇪🇪步打分®🎪"的训练机制🌖。AI必须自己🧕去猜测究竟是哪一🐇个行为导🚌致了最终⚜的失败，而当🥽🐷一个任务需要完3️⃣成十几🌪个步骤时，这🎯种猜测几乎无从下⚡手🐬👈。
