（来源：上观新闻）
在7B规模（70🇰🇬🇬🇶亿参数）的模型🖨🧠上，结果同样清🤔🧼晰🚅🐾。这个差异说明，单🇬🇪🤬靠文字描述👱🛎能力、希望AI🇬🇾🇸🇴在提示🇸🇭👩👦👦词层面"领悟🇭🇳🏞"，存⚱在根本性的上🆓💬限；而通过真实的😕🇧🇩强化学习训🚤练让AI内化技🐧👸能，才是🙌🏭真正可以持续🍨🇸🇻叠加收益的路🕺😎径🤘。对于部💋🇫🇴分Meta员工而🤟言，公🦃😉司领导层承🚦认将进行裁员🔄，反而带来了一丝🌫🇹🇷解脱🚎。这个发现让🗓💰研究团队🦊想到了一个问题🚺：既然框🎽♑架切换才是关🚇🎣键，我们能🏑📹不能在保留这个😧框架的同时，🚩👨👨👦👦摆脱多采样的高🐌🦐昂代价⛑？ **三、S🐈PPO：用一7️⃣🇧🇾个聪明的"预测员👩👧"替代一批答案*🇨🇾🤹♂️* 基于上述洞🏃🥼察，研究团队🇱🇮提出了他们🇸🇯的新方法：🤺SPPO（🤔序列级近🚷🦋端策略优化）🇲🇱🔽。
只对query和🍻🌁KV ent🔄🐹ries🍣的最后64维🇹🇲🍑施加旋转🏸♉位置编码，其余维🇷🇸度不动🇨🇵🔤。而且，👂📶最新技术🐝💭通常需要多年时间🍐♦和巨大💣💳的工程成本才🧖♂️能最终惠及消🧯👨👩👦👦费者🎚📹。”盖尔写道🐣🇫🇮。最大的不确定⬆🌉性在于🙆，你无法预判A💅gent会从🚟👨🎓哪些数据中学习，📹😯以及它生🇸🇾成的技能是🎆否包含危险指令🇵🇼🇲🇦。一个训练了🗺两个万🇵🇰🧶亿参数💚🤽♂️MoE🦒🇱🇺的团队公开承🤚认「我🈳🇵🇳们不知道为什么🌋🧾这两个🇹🇫⛱trick管🌂用」，🌊🃏在2026年已经🈲🍅是一件挺稀🇳🇷罕的事⏹。
