（来源：上观新闻）
DC 使用 🍲👬Spike 构建🌚🍔一个整体的 🇮🇷🧙♂️vercor👁️🗨️👨🎨e_tb.v 测🌖试平台🗺。相比之下，直接🏴☠️在目标场景里进行👳♀️GRPO训练的🙅♂️曲线显🏐得波动起伏，甚至🚓🏄♀️在38™🇺🇳40轮🎇🇭🇷次时出现了😅📐下滑（从37.👺💕8%跌到🛄35.4%）😥🕠，最终停留😳🇧🇭在37.8%🤧。这不是其前🇬🇶🔶代大模型WAL🇺🇳🚺L-A🏂的升级版，而是🇱🇷一次从底层架构🍙到训练范式的彻🛸底重写🕷🇸🇦。对漫画分🌝镜、电商📺系列图来说，🌷📐这是跨🎄越式升级👩⚕️🐺。对着空气⛽🥗泛站，和对着1️⃣真人，两🤮😱种表演模式之🛋间的差距，技⛹🔚术是难以弥合🇵🇪的👯♂️♣。
这三条性⛸质，就像是给这份😉🚚"体检报告"🍱制定了严🎯🍹格的填写规🇨🇷♻范，确保报告🤗🎃不会出现自相🧸⛵矛盾或逻辑混🍽😵乱的情况🤹♂️。因为V4👩👧👧🐩把hea⛱泛站d dim💔🥉ension c🎌设成了512（比💼🇱🇸V3.2🥃🏗的128🦒👨👩👧👧大得多），🇩🇲如果直接把所有🇧🇸head的😬🍪输出投影💁♂️🙏回d维会很贵，📤🧚♂️所以做了分组投1️⃣🥩影，把n_h🏸个head分🧖♂️成g组🧙♂️，每组◀先投影到一个中间🛐👷♀️维度d_⏬g，最后再合👩👩👧👦🇧🇶并投影回d🇷🇴泛站。在GLM🇾🇹-5下差距更🏄♀️悬殊：迭代代理🧘♂️🏮每任务花费🏳️🌈泛站54.👑90美元，AI科🎪🇸🇪学家只需12.2🇭🇺0美元😛。
