（来源：上观新闻）
与更简单代🥜🈴理的对比💒🇬🇼同样说明了问题🇸🇯🇳🇺。目前让💄大模型🏊👄学会解题🇲🇹，主流方法叫🚬做PPO（近端策5️⃣略优化）🧮👨🔬。两种方🔀式都有一个📡共同的缺陷🖥：AI从训🍀练信号中得到🇧🇭的反馈，🎄是"这⏩🔵个任务整体成👩👧功了"或"失败👆了"，而不是"🇨🇾⚫你在第三步查询🇨🇻数据时出了问题"8️⃣🔴。因为物理🙃规律在不同环境🎾中是一致☯🇭🇹的，WAL🈂L-B进🇧🇳入任何一个从未去🏸过的家🇾🇹⚫庭，都🗾能利用对物理常识🚯的理解来应🌾🇲🇱对新场➕景，不需要重👮♀️✳新训练🌒。
DC 必须能🛑⛲够在遵❎循用户指令🚢的前提🇧🇴下探索这一空🍯间，以实现🛋最佳性🎿🤾♂️能🧹🇸🇩。一人公司这种🆗逻辑应该是一🕙个趋势⚰。🛡️ 生成前🔱自我审查（Sel👨🔬🕗f-Co🍉rrec🙉tion） — 🇩🇿模型在输🗯出前会模拟草稿，💵☪检查文⚱🇦🇸字渲染、逻辑🏺关系、🤙色值对💵比👳。左为素人🏋博主本人照片，右🏗🤧为短剧截图 🇨🇼普通人尚且如此，🚹🚙自带流量的头部🧖♀️👳艺人更👨👨👧🎪是AI短剧盗脸重🦉⏲灾区🌨。”Meta首席👨🏭💌人事官珍妮🆔🇲🇨尔·盖尔(Ja☯nelle🙀👩👧👧 Gale9️⃣🍫)写道🌥🌡。
而就在一个月前🍻，他还在📣脱口秀节目《今👨✈️夜喜友秀👧》中调侃👔🏗：“我🇲🇴🌠之前策划🛷🚤了一个很大🌀的戏，我就🚰👑提出要🚂🙎用AI当主演🎓。MoE用1个s🌰😬hared e🌃🧸xpe👽rt ⬅📲+ 384个r📘🕳outed🔭 exper🛫🇪🇸ts，📘🇸🇦每toke♣🍌n激活6个🇫🇯。
