（来源：上观新闻）
1、扩✏🏧展性 🇦🇮😣我们发现，对🖼🚈于 DC 而🐖言，扩展到非🌗🇸🇨常庞大的代🤷♂️🕙码库（例如，包含🇸🇿💝数百万行 Ve🇬🇷ril🇳🇦og 代🆕💓码）并不会造😻成任何特殊🇲🇾🐂问题🌎。为支持并推动这😠一增长，公司🌟🎉预计到2026👮♀️🕚年，略高🙈于一半的机器学🚿🚳习算力投🦚2️⃣网络书源资额将🀄🌍被投入到🐮云业务，以更好地🈁服务云端客户和合🥂作伙伴👩👦👦🇰🇳。系统计算♊🍏网络书源某种能力在失败案🧳🍍例中缺失👮🇮🇴的频率与在成🚴♀️👊功案例中🙃🧙♀️缺失的频率🐛之差，差值🤤⭐越大说明这种🇭🇰🇸🇽能力越关键💤🔄。“虽然最开🖨始使用Herm♎es的几次对话，🎧跟OpenC📻🇦🇼law的Toke🧾🐢n消耗量差不多🎧，但越往后聊🛂，会发现He⛱💮rmes🏰🔖消耗的Token🏦反而会🥘少一些🤧。面对这一困境，另👴一个流行😐方案应运而🤽♀️生，叫做GR🇩🇿PO（群😋组相对策略优化）🗣🔇。
”鲁豫觉得🌗很疑惑，❇提出了一个很🧟♀️现实的问🗝题：“难道不🇷🇪🇲🇱需要获🕣🚍得原型😃🏃♀️的认可吗🤬？”她更是直言☯不讳地表🤼♂️🧴示：“我🦵作为观众，是🐺🧒不会看AI🐠🆖电影的🦖。这导致了🇦🇲“验证”🏁成本居高不下，通🛅常估计占总支出的👨👩👧50%👩👩👧👦以上😀🏡。研究人员通常有🇹🇯两种选择：要么给🎊🚜AI看大量来自各📯种场景的训练💖🚓数据，🔊希望它能从中👩👧👧😃"悟"出🥄🥤各种技能；要么直📀📢接在目标场🔄景里训练AI🙈，让它从最🛢终的成功或失败🇹🇯☂中学习🛤🤗。在训练大模型这种⚫极度耗费算力🅱的场景🎵下，这意味着训📰练时间大幅延🕟长，成本急剧攀💋♦升🌥。但 GPT🕶🍛-Im🍉☦age-2 引🏓入了 🤷♂️🇪🇭思考模式🦹♂️（Thin🍼king Mod👨⚖️🇨🇵e）：生成💕前先联网搜索、🏦分析上传文📐件、规🧐🇻🇮划图像布🎃局，生成👩👦👦后再自我复核🛷。
