（来源：上观新闻）
作者| 木落潇潇🕥 编辑| Mi🇧🇸a 2🇲🇱026年4🛠🕹月15日清🥨晨，第十三届中国🍷网络视听🇲🇨大会在成都开幕🏟🦸♀️。这些会话连接到🉐🕑位于一个或多个执🚭行环境💆♂️（可以是虚📞💂拟机或容器）中的🇸🇿工具服务器🏕🛃。百万tok🌁en不是一个新♾️😎的能力，是同一🏨个上下文🌳窗口被🛶🧪压到可以承担的🤦♀️🐽成本🙅。更重要的是，他们🌕🍢通过大规😊模实验揭示了当前🗺🎤最先进的多模态大💴🤴语言模型在🏑区域级质🧫🗒量理解上的系统🇲🇦↙性短板——🇱🇻即使是🛥📯 Gemini🧨🦝 2.5 P🍓ro 这样的顶尖😠商业模型，👨🦱🇪🇬在这类任务上💐的表现也接近随机👨🏭☝猜测的🎬🌆水平↖👨⚕️。
假以时日🧛♀️🥪，观众或许还能看🦃上新鲜热乎的伪人⏭秀⚙⛑。如果未来每个人🦙身边都有🔅几只属于自己的虾☣，而这些虾之💜间要频繁协作🇳🇮😍，那是不是🤩😐真的需要🇦🇩一整套🔺平行的基础设施，🇸🇬专门服务于硅基世😜🚵界的社交？通讯层🐂、协作层🇦🇽👢、身份层🗯🥐、权限层🚔🐵，每一层都要👫为 Agent ⚰再写一遍😎。AI，已经🇫🇮📚从“概念🇮🇨😁”变成了“🕣岗位”，从“🆑🔊论坛议题”变成🇪🇺🍟了“招🐫聘需求”🇪🇸❤。腾讯视频曹🚊🧧睿给出🛷一个形象的比喻：🧐🧠“AI👰🚏是‘副驾💵驶’而🚂非司机🙂🛸。Q3：标准PPO🇶🇦在推理🍟训练中为🤾♂️什么会🎯失败，🎨👩🦰具体是哪里出👨👧👧🌥了问题？ 🦸♀️A：标准PP🇲🇾O失败的🙏🎼核心原因是🇩🇴"尾部效😥⛄应"——其内🇲🇴🧜♀️置的打分员（C👜🍱rit🗳🌹ic）无法在👎🦸♀️几千步💎🥉的推理🙎♂️🎇过程中有🔈效分配奖惩信🎐🎑号，而是🤩一直等到推👩🔳理接近结尾才🉑🕐根据最后🕹几行文字猜💭测结果，导致整🇬🇲🚥个中间3️⃣推理过☎程既收不到有效↪🐻激励，也收不到😣有效惩罚🎽🍻。
