（来源：上观新闻）
公开文🥣👩🍳件披露，他长期🎷⏳以来一直用自己⛳🧦持有的🦁特斯拉股😂©票作为抵押，从华🇸🇳☘尔街银行获得数亿🍴美元的个人贷款🐍🕖。谁都想挖掘“超级🇨🇰个体”并➕与之绑定，生怕⛔被甩下🧗♀️。原因显🕊🔴而易见：这〽👯♂️需要推翻🐍🎫至少一部分🇸🇮先前的设计成果🖲，并且🧝♀️存在引🛷入更多缺陷的风🇧🇼险🤳👨🦰。子代理和更高级别🇹🇰的算法（例如进化🧘♀️⚓算法）由顶🌇🕚层 DC C👓📵ore 🚧♐模块管理，该🥢模块与底👄🇧🇼层 LLM 🌆会话交互🚽。
王潜坦🍝承，当前模型🚴♀️仍处于“实🚧习生”阶段🍬，需要远程协助，🧟♀️👶有时可能♏把拖鞋放👩🎓到厨房、擦桌🤝🚚子擦到一🧙♀️🤷♂️半停下来♥🎤“思考”👰🇿🇲。过去二十年我🎢们为人类造📛☢的那一整🍵😿套互联网基础设施💂，Age🌒🔙nt 基本用不上🍢。其二是原👩🎓生FP🇹🇬🧕4支持，通过4🚈🇲🇷位浮点数将MXU🚘吞吐量翻倍，同❗🤢时降低数据搬运🌫🏣的能耗，🏡☠使更大的模型层可🇬🇷驻留于本地硬⚽件缓冲区🍣🏧。
但这个差距已经比🇬🇪🏥之前任何AI☺🧢系统小得多🈲，而且👹🌴研究团队🤭🙀在这个方向上的🦓设计思路，为进一🌦步缩小🛍😤这一差💺👨👩👧👧距提供了🇧🇶一个清晰可扩📑展的框架🤷♀️。Q3：标准PP🕙🗳O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🎸😠（Critic）🇸🇸🏷无法在🚉几千步的🍪推理过程中有🀄🇫🇷效分配奖惩☑信号，而是一📬🇻🇨网站推广直等到🚁🇮🇶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🍈。
