（来源：上观新闻）
过去，训练♌一个70亿参📓☪数的推理🇩🇲👏模型需要同时加🇧🇷载一个同🇩🇬🇮🇷等大小🚂🥠的打分员，内🇧🇴存压力极大；🍟🧝♀️而SPP🔍O允许用一个小十📶倍的模型👜担任价值预测🔝🆒者，让更多研究者🛄📜能够在⚡有限的计算🍈资源下开展💸实验🎉。Verkor.💡🚇io团😋🤸♂️队表示，尽管⁉💲有所改进，但👩✈️LLM（逻辑模型☣💐）仍然缺乏人类所🇺🇲🇲🇰拥有的直👨🔬🥙觉👽。每一个专👨🦰业代理在开▫5️⃣始工作🏒时，不是🦛😢靠"回忆上⛔🤱一轮对话🚗说了什🇱🇹🍚么"，而🤦♀️是先看一眼整个🇲🇽🕌工作区的目录索引⬇🚃（一个轻量的"💘🎞地图"），然🎄👶域名cname后按需读取与🚮🇨🇭自己任务相关🤹♀️🔃的文件，👮👠完成工作后🇵🇾再把结果写回对🧛♂️🇬🇳应文件⛳🥬。
两款芯片均已纳入🐽🧜♀️谷歌云AI Hy🇸🇦🎋per🇪🇭compu📶ter超算架构，🏃♀️与硬件、软件及🛵网络深度集成，覆🐔盖AI🏯😪全生命周期🇿🇦工作负载🧗♂️。2020 年，💁♂️🐋研究人员对 G😤🍝PT-2 模👩🦱型进行了微调，😉⚜使其能够设计逻🏵辑电路片段；20👨🦳📿23 年👩🦲，研究⛩🇧🇯人员使用GP🚴T-4🇨🇻 帮助设计了一💒个具有新型指令💝🔹集的 8 位处🇸🇩理器；到 2👨✈️🧛♀️024🇫🇴 年，各种🇬🇷 LLM 🧵👑可以设计和🏰🇬🇶测试具🍹🧡有基本功能的芯片🇹🇷，例如掷骰子（尽🤡管这些芯片🦛通常存在缺🛅🇱🇧陷）🦚🧙♂️。
