（来源：上观新闻）
进步体现在，🚼🍵Herm🤣💘es试图重📱☁构Agent🏎的学习方式🇾🇹。这些团队能够在👨💻 3-🦜💔6 个月内🐱完成现有最复杂⚽设计的流片🗿🎈， 而不😟是目前的 🇬🇭18-3💨💊6 个月🍓。对于那些没有🐪🏃标准答💠🧠案的开放性👨🇷🇴任务，比如"♦📷帮我写一⤵🍛首感情细腻的😛🤑诗"，这个🏗框架就无从评判🇧🇼😌，需要另辟蹊径⬇。
打分员必须把🎿这个唯💺一的结果，沿着🚪几千步的推理链条🇹🇦🧱，一路往回分配功🥵🎀劳或责任👨🔬。在没有上手用这🧺🎻功能之前，🇩🇿🇪🇬我其实觉得它😫📁就是一个⛄ Agent T🥰🕳eam ☁的翻版，🌥🐛但真正放🔪👨👦👦到群聊😇的界面💔里，发现还是🚙有非常👳🛐多的惊喜🕖。在论文🚿🇨🇵的最后，➡😜Dee🐝🈚pSeek也表示👂👵： 为了追🕦👩👦👦求极致的长🚮文效率，V4系🍨🍰列采取了⛪一个相对激进的🏝架构设计🇩🇬🌫。
在未来的迭代中🇰🇿🇰🇳，我们将进行更全👒🇹🇩面、更有👨🔬原则的研👱究，把架构🤺🔖精简到最本质的‼部分🤒🧶。Q2：SPPO🎷里的价值模型🧘♀️🈶要多大才够🇲🇲用，能不🔦👩👩👦👦能用比主🙃🇲🇻模型小很多🎉的模型？ A：实☸验结果表🍦🚊明，价值模型可🎙以远小于主模型🎺👩👦。
