（来源：上观新闻）
研究团队做了一🌤📇个生动🚅🍟的实验🇰🇿，把同样两张图片💔同时喂给当时🐢♣最先进的多模态💝📷语言模型 Co-☁🇦🇽Instr📱🇹🇰uct，并提♻供了每个区域🚔的名称、描述和边🙍界框坐🇬🇦👨🚀标，请它回答每个🎭泛站程序区域的质🇱🇧量情况👗。
V4还引入🔥了三档re✌ason🍿ing eff🚁ort mod🇷🇪🖱e，Non-th🏕ink、T🔕🍁hink 🚵♀️High、Thi👨👧👧🥺nk Ma🇬🇶x，每档输出长度🏓不同🐮。“这种带🚶记忆的自主智能体🍡👈方向，是🕴未来所有🌟成熟Agen©t的必经之🍠路🤰。这说明"🍚找准薄弱点精准训🌱练"的效率，远高✂于"撒网式地大🔝📠量训练"🦶。
在Lu✊➰narLand🌠er上，🎑SPP😩🐹O保持📶◻了稳定上📳🕯升的学习曲线♈，而标🇸🇷准PPO则出现🇫🇰了明显🔃的波动🇦🇿和倒退🛃🇳🇵。1M 🔂MRC🐠🈁R上V4🦒🥠优于G🥼emini但🔢🥦明显不如Cla⛸ude🎐📪。
