（来源：上观新闻）
他们的理由是，V🔺4的注意力架构😪⛰允许直接对q🚓🧯uery和K🇧🇿V做R🏺MSNorm，从🛣源头把爆🇪🇹👈炸的可能🕜🇬🇸压住了🇸🇪🔆。这组数据背后🇮🇷的逻辑是：🍝🇧🇮当训练场景与目🇰🇬🗯标场景完⚪全一致（💎即直接在目🚴♀️标场景上做🔯🇭🇳GRPO）🐐时，模型很容🌇易陷入过拟😟合或训练不🇹🇨sem优化师是做什么的稳定的👲🙅状态——它🚻👚学到的可能是♑特定题目的答案🛍，而非通用🎮🛒的能力💩；而T🕚🇲🇿RACE的练🌯↙习场景经过专门🇵🇭设计，每道题💷都由随机种子程序🇧🇻🕹生成，变化无穷，👺☝AI练的是🥴"能力本🇲🇪👩👩👦👦身"而🇵🇸🇸🇱非"特🇨🇩🚆定题目"，因此🏈💇♂️能够随着🇧🇭训练轮次的增加🇳🇪🇫🇰持续稳步🅰🤽♀️提升🦸♂️。
它要么是一棵🤧不断分叉的树，每🧢🧒走一步都生出🎱新的子问题，要么🎖👨🦳是一条长长🎼的流水线，不同🚯环节需要🇹🇭不同的🔗🛂人来接手🏃。穿着银色铠🌯🐏甲的机器人比划🔳着动作，一🖋⚛只AI智❤能熊猫坐👩👦👦着电梯上上下下，🔫🇦🇸全场游荡🐚。又想起来那句🔁🚺话：人是👨🚒🎤环境的反应器🚇🇪🇦。” 公告♨同时表示🍵📑，“家门常开，🇾🇹♦欢迎归来”，5️⃣传递了对🎢✴两位主播🧽的不舍与期许🇻🇮👨🦰。
