（来源：上观新闻）
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🎤。本报告的结构🌮如下：首先，🛸🌤我们将回顾 DC🇫🇲😍 的设计及🛎😗其关键组😡🐄件🇰🇲🥵。
”真正的繁荣🖨，需要审美与创🕔意的全民涌现❌。没有模♒块边界，没有数据🌏🇮🇹搬运，🚒📿没有信息损耗🗑。这种跨团队的技术🥒共享和各自🈚👈演化，是2026👲年开源🦹♂️社区最有☺意思的🎽一面👞🛹。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🧛♂️🍭（GRPO on🌛🇧🇬 Targe🏀⚗t）能达到3⁉🌛7.8%🇭🇲，一种使😌🕢用通用合成环🛢境训练🍒👨🎨的方法（A⭕WM）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（G🦈EPA）能🚦达到39.6%🏕。
