（来源：上观新闻）
未来，每一张🥓🤳 AI👲💂 生成图的背后，🤾♂️🍢都会有一段清晰🥧可见的“思🌸考痕迹”🛒。研究团队还提出了🐦👵一个有趣的未🌹📊来方向：把失真🐼🚆图作为推🗓🇻🇪理链的中间步骤，🎮😌让模型先生成失☃✒真图，📳再基于失🚴♀️真图给出最🏭终的自⚖⚾然语言描述🇾🇹🧝♀️。它在真实环境中完🤫💂♀️成自我迭🏳🧫代➗。在7B规🖌模（70😞📠亿参数）的模型上🥣，结果Ⓜ🏚同样清晰🗓👩🔬。在几个对比方💇♂️🇨🇱法中，✔直接在目标💗环境里用📅强化学习🦎训练的模型（G🔡beautitul的中文RPO on T❓🥘arge🔣t）能达到🕑🤱37.8%，📌🇵🇫一种使用通用合🏚🤷♀️成环境训练的方🏘🕤法（AWM🧬🛬）能达到38.📉🚂4%，🇫🇲而一种通过优化系♠🛄统提示词来植入👸🇵🇬能力描述的方法（🛤GEPA🌻🔝）能达到39🖍🇵🇼.6%😫。
无论真相如何📟🇦🇪，这都是🇸🇷🧛♂️AI无🍠法拥有的，它🔡不会犹🇩🇿豫，更不🐐😡会出错🚊。公司摒弃了先造“🍬👁展厅机👨👩👧👦⛹器人”🤦♀️🌱再寻找应用的弯路🇵🇸，转而从客户真实📷🌰痛点出发，反🚫🎖向定义❎🤢机器人的形态🥩与算力🌽🇹🇨需求📵⏺。人机共生，🏈才是那个🍀🥁更有温度的🚟🥄未来🚀。单一Virgo☎网络可连接逾13🖨🇪🇺.4万🇳🇨🇨🇩块TP🔚😽U 8t芯片，👑🇯🇪提供高达47拍比👨👧👧特/秒的非阻塞🧜♀️双向带👚宽，整体算力超过🎚160万Exa🧹🍟Flops🈴🍯。谈到 🆕👅Thus🤪 与现有芯片的🤷♂️🦢beautitul的中文区别时，🕤🏅安克 CEO 🧗♂️阳萌说📯💾：“到目前🏌为止，所有 AI🧟♂️🇨🇼 芯片都是一边存🐗▪模型，一边做计算👨🦱。
