（来源：上观新闻）
说白了🤧就是与😩🧧其和机器早已🔇做得很好🔑的工厂任务较劲，🤷♀️🍍不如把精力💳📶放到那些过🦖去一直没人照顾到🦔🗡的生活缝隙🇴🇲🈂里☪🥠。这里有🦶💁个细节值得注🤰意🎷。在7B规模（🈚70亿参数）🇳🇴的模型上，结🇧🇹果同样清晰↔⛹️♀️。对比V3🇸🇮仅用1🗿4.8T To🇬🇼ken训🥁练，V4-Fla🧞♀️sh 与 V4-🏘Pro 的数据消🌜🇨🇨耗量分别👨❤️👨达到了32T和3😿3T🧪。
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👽😭。对于每个区👩🌾🚱域，系统会以8🇳🇦👐0%的概率随机🤩🇪🇦选择一种失真来施🇹🇨加，以20☮🐈%的概率保持该*️⃣👩👧👦区域干净🌐🕊。
GEPA则📸在较早🚍🦡的阶段就趋于平🚶♀️📢缓，最终停留在☝🧛♂️39.6%🚫🗒。（3）🤨✌规范要求 我们发⛩🈚现，提供给🇧🇻🏴☠️ DC 的输🥥入规范必🇵🇭须以极其⛹严谨、精确且可🥅🏧验证/可测量😉🖐的方式编➡写🚂。
