（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S㊙🤰PPO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💥🔟。单 A📼gen✨t 在🔈这两种场景下都会🇦🇫卡🥠。
比如，一🐦👨🔧道题预🇦🇷🚧估答对率为0.3✋❄（很难）💁♂️🧒，但AI答对了👨💻，那么优势信🎊🇧🇾号就是1-0🍢.3=0.7，说🥭🌛权威域名明这次表现远🛅超预期，需要🇳🇺🧗♂️大力强😰🦐化这个推👨👨👦理策略📺。不光是在服务机🇧🇼🥄器人专区，在⛹️♀️广交会的展馆里随⏳🇵🇱便逛一逛，你都能🎄看到：🗻 无人⛈机在头顶给人送⏭🔇咖啡，机器🔯人在舞台上大秀中🗽🏜国功夫，过道上🥅🤑走两步就能♍碰到一台会跟*️⃣你打招呼的智🇪🇬能设备，到了🌰咨询台也有🈹🆘机器人为你服♒务🕜👌。
--- 三🇦🇱🇸🇪、"薄💑控制、厚状态🥍🔗"：一🍛套听起🇱🇷来奇怪但非🇦🇮常有效的工作方式🇪🇪 研究团队用一句🦋话概括了AI🈺👧科学家的设计核🔋心："薄😭控制，厚状态⛴🏈"🇪🇷。原因不在于硬⚜件💁。结果表明✉，在 KAD⛱ID-✂10k 上，基于🚊⛴ PAND🙎🥋A 分数的🐣🤯排名准确率达到7❗🦀8.83%，☑💍基于比较关系的👡💫排名准确率达到7🇲🇳🚇6.90🦠%，超过了同类开✈源多模⚛态模型（如 📻mPLUG💟-Ow👙l2 的48🚷🇧🇿.5%、🇺🇳🎴LLaVA-👬🛎1.6 的57🈺%、Q🖊-Instruc🇸🇲🤼♀️t 的5🔠🍄5%）🐂♟️。
