（来源：上观新闻）
它的思路是🇮🇪🐰直接扔掉那👤个不靠谱的🇸🇻👩👩👦👦打分员，改用一🇬🇲🌆种"横向比较"🚧🥨的方式♎：对同一⚓⛸百度SEM代运营道题，👮♀️让AI同时生成一🥠批答案（通常是🏌️♀️8个），然后🍦🌒以这批答案的🧰💔平均得🖤👨👨👦分作为基准，那🕞📣些比平均🤧🇧🇮水平好的答案就得🇹🇬📤到奖励，差的就🇧🇲受到惩罚🌷。给定一个 🇲🇶🍑RIS🐻🚳C-V ELF🇩🇴🐹 文件，该测试平🇮🇴🎪台会在被♦🇼🇸测设备 (D📵🌇UT) 上🚶运行测试程🐎序，并确🧜♀️📧认设计☦🇳🇺的架构状态⚠和内存事务与 🕑Spike 报🇬🇷🐿告的结果一致🇸🇰🚏。
第三，采😶💣用Muon作🏕📳为主优化器🔃。Deep😳Seek-V🇬🇫4：2026📓年4月2🇨🇻4日💫🔽。一些细节微调包🕕😥括，a🤦♂️ffi😡♟️nity sco🔣re的激🕌🐎活函数从Si👸gmo🏢🏦id换🥧🏊♀️成了Sqrt⏏(Soft🎭plus🐗🍶(·))，去掉了🌉🚦routi🧖♂️🛍ng t👔arget 🥰⚰nodes👨❤️💋👨的数量约束，😷🇮🇪前几层de🥪nse FF📨🏋N换成了用H🇭🇰ash rout🚳🏘ing的🇨🇮🥩MoE层🇹🇴。
