（来源：上观新闻）
这一波 AI 的🍷演进蛮像 2👩🎨🎚008 🚂年前后🛸的智能🥠手机🚗。摩根士丹利预✖🇲🇾测，随着核😹🇦🇮心零部件😋的持续🤷♂️迭代和产🚁🇹🇫业链的逐📕🅰步成熟🇳🇪，人形机器人的价🤶格正从动辄数十⛸⏱万美元的实验室样🚨品，一步步向😋🐴大众市场靠🦹♀️拢🕤🎥。其中最主要的是🇸🇷需要极高的功能测🦋sem是什么的缩写试覆盖率🌠⚗——也就是说，🛤需要进行测试🐽以确保设备在运💔行中不存在任📰🇳🇷何“缺陷”⏰，并且置信度非🇧🇻8️⃣常高🇾🇪。Muon优化器 🕕🏰V4训练中绝🧦大多数参数优化🖕用的不是🚂🛵Ada🚚🐝mW，☘🌇是Muo🃏n🆘🙏。在后训练🚗阶段，V4这一🇸🇰㊗代做了一次方法🇭🇲论替换，传统的♠🇹🇻mixed R🤹♂️🤖L阶段🥖被On-Pol💯icy D😇💧istil🚴lati🐄on（OPD）📋sem是什么的缩写完全替代🇭🇲。由于每🧢👩👧种能力只🔹对应一个单词✋（比如A🏙、B、C）👨👧👦📼，模型只🍅🏢需要在这些候选😹🇯🇲词之间选择，🛎判断过🐻🇸🇽程极为高效📥，每次任务只增🇪🇨👩✈️加几秒钟的额👨👨👦🔝外时间🚉🇧🇿。
论文表示，训👃🆑练中间出过💹🍤一次严重的l🇧🇩oss♒ spike🇳🇬，Deep☠🥈Seek摸💽到两个土办法，🎙Antici🇱🇹🥕pator🔼y Routin🥥💠g和S🧫👗wiGLU🍽 Clamp📒ing💗🇱🇾。在ToolS📠andBo🇻🇳x上，系统识别⏲出了两种◽关键能力薄弱🎿点🐽。这个难度🚔🏥设定是为了配☠合后续🗜的强化💧♒学习训🌕练机制⏭。实验逻辑很👙🕴简单：对👝于一对图片，🇬🇫PANDA 👩🌾生成两张图的🚵♀️失真图，然后用🚕🧛♂️一个朴素🍆😈规则来做整图排🇲🇵🎊名——如果某张图🇾🇪⛅中更多区域的质量▶🥩评分更高（🤭🔵或者比较关系✝显示更多区域更⬜😫好），则认为该图🇨🇼▶整体质量更好💬。
