（来源：上观新闻）
**二、一个关键🧝♂️发现：GRPO其🤭🆘实在"偷偷🆚做别的事"🈴** 这篇论文最⏏有趣的地方在于，🍀研究团队对GR😍🇳🇫SCM系统PO为🎌🌨何有效做出了一⛅🚣♀️个全新的解🍑🇹🇩读，而这个🧲♌解读成为了他们提🚿出新方法🎆的理论🥛基础🧁。现实中，一篇机器➡🙌学习论文往🌿😹往不是💚🔴一份完整💁♂️🇲🇺的操作手册🛶。Agen🦡t 之间怎么发🏐🇩🇴消息、怎么传上下🇱🇷👩🦳文、怎么交付成🐣👘果、怎么🥙🥗建立信任、怎么🌑管理权限，🇵🇰几乎是空白🕛。结果呢？模型给出🗄的回答🎌根本没有涉💺🧝♀️及区域🕞🇩🇲对比，也没有质量🕝🅿评分，甚至漏🖱掉了某些区域，给🥦出的是一段对整张🐅🥮图片的笼统描述🇸🇷🥭。每一种能🇫🇯力都是独立的，都👅可能单独成为A🇬🇷🙄I的薄👎📚弱环节，而传统🇨🇴😼的训练方式对🧛♀️这种细粒度的区分💼🕣完全无能为力🎠🥤。
在规模上，T🇧🇹🔠PU 8🛑t最多可🇭🇰SCM系统将9600块🤸♀️🥣芯片组合为单🇯🇴一超级计算节🚾点（super🎖pod），并通🍹过JAX与Pat👩🦲👨🍳hways框🈹🛡架将分布式训🥿🌈练扩展🐭至单一集🇧🇾🚋群超过🗄100万🕰块TPU芯片💔。Muon🇹🇿🇧🇬优化器 ⛷V4训练🐠中绝大多数参数优🍂化用的🛸🍺不是Ad🔜🧗♂️amW，是Muo🏚👩🌾n🇫🇰🚠。资深AI产品🚕👜经理刘思行指出，🏘当前，He🇦🇴rmes的最新版🐪🇲🇫本仍处在0.😼1阶段🇧🇻，这其🇲🇾🇨🇲实说明📃其仍是一个💅很初阶的🌊🕙实验性产品😥🧞♂️。VerCor🕧🇦🇸e 表示，其 C🍌🐱PU 可以在仿🎮🕧真环境🔺中运行u🕜CLin🈂ux的一个💦变体🇧🇯🎒。
