（来源：上观新闻）
这两个基线🗺的结果表明，单靠⛲👩🎨 DI💉NOv2 的🍥预训练特征是🎨🤵远远不🇪🇭够的，🧿🍖PAN🌤DA 中专门设🇨🇩💺计的退化🛀解码器对最👨🏫终性能☘🖤的提升至关🤞重要🇪🇹。研究团队测试📕🦋了一种极端🏋️♀️组合：用🐨一个只有15亿🌻🇰🇪参数的小模型（D🏚🚹eepSeek😶-R1♈-Disti🚀🗨ll-😯Qwen-1⛈👤.5B）作为价值📂模型，🐅去辅助训练一个♥70亿参数的大模👩💼型（Dee🇧🇸pSeek-🔲R1-Disti◼ll-Q🕢wen-7B）💃。这位老师不会随🛴意给学生布置🧐题目，而🇬🇹是先仔🎢细审阅学生的历🥪🌶次考卷，找🏛⌚出错误背🏎🔞后的规🍀律，然后专门针对⬜薄弱知识点🇹🇷🈸设计练习，最后在🐰👨🦰正式考试时，根据👒题目类型自动🐖🦃调用学❇生最擅长的解🚡题策略📈🏝。
创业者💷♒有想法或技术，⚜🥒但缺少能🌆力互补，🈶🍋这很大程度🇮🇴⁉上需要社区✏支持⚽。测试结果🇫🇷显示，在难度最高⛰的Hop🏋🐷per和Moun📯🇹🇨tain⌛🧛♂️Car任🌿务上，标🗡🇲🇻准PPO🤷♀️🍆几乎完全失败，🇧🇼🐅成功率停在💍接近零的⏫水平；👩👩👧👦而SPP🇪🇦O成功解决了这🇱🇹🐂两个任务，成功3️⃣🇵🇲率稳步攀升🐑🦞。每一个人都♎算数，每一天也都😜算数🚞。可见商😊业大模型在这项👩🚀🇳🇪任务上确⛄🎑实比随机猜测强⛑得多，但与专为此🔢🚹设计的 P♓✒ANDA 相🕖🌜比仍有相🐯🕙当差距👖。”刘思行⚜🎟说👩👧👧🇱🇷。实验室数据用于🚈建立基本能🌔🎨力——🛳识别常见💻物体、🛒↔执行基础💻🌂动作📂。现在产品从原型🍪🔫到给到用📤🇹🇻户的时🇭🇷间很短，能减❗少在产品理🥙解和判断上的周期😻🕖。
