（来源：上观新闻）
”刘思行也表🏕😆示👦。虽然我们发现这并🔢🇨🇻未影响🥴 DC 实现🏹功能正确性的能力🍈🈴，但却增加🇮🇲🧒了 DC⚡🌉 调试时序问题的👨🏭🇹🇫难度🛃。GRPO因为🇧🇹⚔每道题都需要生成🧖♀️👨👩👦👦8个答案，🕓训练进程推进得🙉很慢🍉🏒。他们开发🤽♂️⛓了一个🇩🇿叫做AiSci🇱🇦🇪🇭enti🧦st（😞📈以下简称🛷"AI科学家🇱🇨"）的😽🚨系统，并在🌞两个业🚂🇹🇦界公认颇具挑战🇱🇧性的测试基🇼🇫准上验证了它的🖥💺能力🇨🇾。
预训练、后训练与♒实时推理在计算特🇺🇳⬛性上已🕖显著分化🦆：训练任务😐追求极致吞吐🔃🧚♂️量与规模扩展，推👨👨👧🎃理任务则🇪🇷对延迟和并发更🔰为敏感🧲🖨。有人发帖称，这是🌊自己入职公司的第🧐🗡一周🈁。测试结果显示👨🎨，在难度最高的🔙Hopper🍥🇩🇪和Mo🏒unt⛲🐍ainCar👨👧👧🙎任务上，标准🇰🇿PPO几乎完全失🇦🇶败，成功率停在接🇰🇳近零的水平；而S⛈〰PPO成功解决了🤰这两个任🔈务，成📑功率稳步攀🛴⌛升📘。V4-Pr🖨🌟o，61⏫层，隐藏维度71🇧🇴68😓。
