（来源：上观新闻）
如此一来🈚，标准PPO训练🌋出的AI，往🕟往不仅🤟没有进🎙步，甚🐹至比训练前更差🕜🏡。例如，🔬🦘在某个🥯案例中😵🌖，当未⛲能满足时📟🔒序要求时，它🕛👩❤️💋👩最初尝试进行重🥞大修改以😈加深流水🆖😴线，而不是寻找📼🇭🇺更简单🇧🇪☸的解释📪。Sim⛹pleQA-Ve🔎☪rified上🇬🇦🌂V4-🕜🦑Pro-Max拿🍅到57.9，K🐧🇺🇿2.6是36.🇧🇩9，GLM-5.🇮🇪👩🏭1是38.1🌟。
5.9倍的训练速🐣度提升，则意味🔌™着同样的算力能在🔠更短时间内完成⏯实验迭代，加📅🇵🇾快AI推理能力的😵研究进展👨👧👧🇹🇴。现在有两种方案🏔：一是让这四🥈👓位厨师互相切磋，🇸🇱📓最终产生🈴一位"融合大厨💙🚈"，他一个👣人负责🧨🚬所有类型的料理；🇸🇲👨二是保💘留四位专业😄厨师，每次根据客🇸🇳🐍人点的菜🌷🕌系，派对应👩🦱的厨师出马🍡。
