（来源：上观新闻）
为支持并推⚪动这一增长，公🐒♥司预计到20😄26年，📪略高于一📡半的机器学🍌习算力投资🇳🇺🧓额将被投🇦🇩入到云业务，😦🐩以更好👆地服务云🇩🇬🇱🇺端客户和🚉合作伙伴❎。它通过阅读🎍🇹🇷工作区目录和各⛈💿代理返回🥔⚙的简短摘🌞要来了解项目进展🏇，不需要把所📃有细节装🤮进自己的🤪"脑袋"😖🇷🇸。这个优势信号不再🏁分配给推理过🇮🇪⛸程中的🛀👄每一步，而是均匀*️⃣地广播给整个推👕理链中的所🇪🇭有步骤🏜💮。1M场景下，V🚏4-Pro的单🏁💜token FL🇦🇨OPs只有V🤽♀️3.2的🚣♀️🦃27%，KV🔹🍱 cach🇲🇬😧e只有10%🇧🇲。
“从拓展人工智🇵🇾能模型🥘性能极限的🍶⚫角度来看，♠这对我🏚们来说很有👏意思，☑💫”他说道🚲🏯。在他看来，成熟的🦛🇹🇿OPC生态并非➖单兵作战，而⚔🇭🇰是政府、平台、创🚔业者协同🇿🇼发力的集🎬🧲群式发展📎，未来一人🐌公司将💒🤷♀️成为主💠🅿流创业形✌🚜态之一，🙍🧽在AI🎄🏝赋能下持⚒续释放商👼业活力🏮🇷🇴。第一个测🎅试场景叫τ?-♓Bench，模🌓拟的是真🍈♠实的客户服务🏕工作流😣程，分为航空公🦉司客服和零售🍰客服两个子领域，🗜合计164个任务🧜♂️😭。第二步是"♾️定制练习🎞环境"🎌🔋。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GR🇳🇱🤷♂️PO）时📮，模型很🔸容易陷入过拟⚗🤞蜘蛛浏览器合或训练不🕐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TR📘ACE的练习场景🕥🔢经过专门8️⃣🕦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🔙👟蜘蛛浏览器稳步提升🌦🇧🇪。
