（来源：上观新闻）
他没有去找银行🧐👤，而是📑求助于他创立并担⏪任CEO的火🐋箭公司：Spac🗽eX💲。第二步，OPD🚏合并🕯🔰。但这次的广🍊交会不太一🇸🇧🏴样，今💫年机器人的出镜🚧😮率明显拉🎼满了🌍。两天后，🥌👨👦聿潇传媒一口气签🇱🇦💘下6名真人演🥿员的部🐷分AI版权🗳🛀。谷歌自研AI（🏑人工智🇮🇳能）芯ℹ片如期上新♐🍧。Q3：标🌆➰准PPO在🕘推理训练🍔📻中为什🏄♀️👩🔬么会失败，具体是🐃🛋哪里出了问题？ 🇷🇸🇩🇴A：标准P🥰PO失败的核心💲原因是"尾部效应😹"——其💷🎷内置的打分员（🐥Crit🇫🇲🌵ic）无法在几千🥞步的推理🎗过程中有🇱🇾❌效分配奖👨🦲惩信号，而是一🍸直等到推理⚗接近结📁🐯尾才根据最后几行🍜文字猜测结👀果，导致😱😍整个中间推理☹😉过程既🚱收不到有效激🧫🚀励，也收不到有🕴📉效惩罚😓。
“想到未➖😋来一个月要🌭⛸做出成绩，🦄🤣我有点压力🥛。PANDA🤐SET 🗣🇹🇿的构建过程，就像🏷是一个大规模的🙋♂️🐼"人工制⏏造缺陷🇱🇧🔳"实验🦞😏。他发现所👷♀️☣创造的价值，似🎋💬乎并不能匹配⏮公司的需要↪。这就好🔙🇵🇼比一个判卷老🎧师，全程不看解题🇬🇷过程，只盯着最⛷🚩后一行看，🏋🍓凭"感觉"打分💡。一块晶圆从投😊🇲🇱料到出货💻🤸♂️，超过🍙30%的工序🎸涉及光刻，每👪💮一次光刻都🔚离不开这些溶剂🇦🇷。
Muon是🇲🇴前几年Kelle😢r Jo🇪🇦rdan那批🙉人（他现在在O🚍🇹🇦penAI🇱🇷🇲🇫）在小模型上🕝验证过的🌳⤴优化器，🇵🇸基于矩阵🇦🇽正交化◽🇬🇦。每张图🤸♀️片平均包含1👏8个区🍳🈂域，最多可达11🀄2个区域📂🇸🇳。你可以把它📛理解成一种"步步🎓👩👧打分"的训练♣☣机制🥥💌。而在海量🗿的AI短剧中，素💧🌭人很难🚽第一时间👨❤️💋👨发现，自🌞己的脸会在🤞🛰哪部短剧里“被👨🦰出演”🔲。
