（来源：上观新闻）
众所周🚋知，即🧫使拥有数百⏰人的工程团队，⛓🌗将一款全新的尖🧶端芯片推🏤📐向市场也需要🇭🇳花费超过🇪🇭 4 亿☺美元，耗时 1🐿8 至 3🇨🇴6 个🔩月🍞💜。光有算法还不😏🎭够🇲🇲🤬。斯坦福团🐻🌼队把这类在完成任🇱🇧务过程中不可缺少🧫👄的具体行为🌆⛹️♀️称为"能力"🇧🇼。于是，🧤他们又讨论用国内🎮的镜像站，最🕝后解决了问🚹题🍅🇲🇭。
整个过程对每一层👛都跑一遍🚄。TPU 8💒t的单位功耗性能💹🇹🇭较上一代🖐◻提升了🥨124%，而TP🗡🏄U 8i则实现了🍡🧞♀️117%👨🔐的提升🇻🇦。它的唯一任务是🎡🔁，在看到一道🕊题之后，预🥚测当前的AI🇦🇴🥚有多大概率能答对⚱这道题——用❔一个0到👂1之间的🗺数字表示🐮🔉。Q3：标准PPO🕷在推理3️⃣🗺训练中🏡👧为什么会🍶失败，🥙🇺🇬具体是哪里出了🇰🇷问题？ A：🗳🎁标准PPO失败的⌨👩👩👦👦核心原因是"尾部🗯效应"——其内🇵🇼🏘置的打💼分员（Cri🆒tic）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🥼。
这些任务被专🗣门改造成🚄类似AI推理🇧🇧🥾的稀疏奖励模式：🐁🏊♀️整个过程中没有❗任何中间反馈🍑，只在最终时刻给🍦🎑出"成功💺"或"失败"的二🦖元结果🚵♀️。可以说👨🍳，一时间信👤息多的有些🙎超载，但多归🇨🇵多，主线就两😊😠条📂♨。也因此，🔌内容不再🌒重要，重📅🍑要的是能否🆑😶实现薄利🇸🇿多销🍰🏊。这个发现在🥅实践层面意义🇦🇿重大🇻🇨。这也从👩🎓🇻🇨实验数🛌🇷🇴据层面为T📿🐕RACE的核心🇧🇪逻辑提供了支🕌撑：少数几种▪能力的缺失，⬆足以解释🇴🇲绝大多数失🔪😢败案例🧘♀️。2、D🇨🇷🇧🇦C 执行的步骤 🦌图 3 展示了 🇬🇳📭DC 构建 👩🎨VerC🤟🚊ore 的🕸⛴步骤🏃🇸🇰。
