（来源：上观新闻）
腾讯视频副总▪🦙裁孙忠怀观察🐃🙅到一种新🏵的创作力量⚫正在生长：😁“‘5到2🔮0人的创作小队’😍，能做出过去📘🌎需要几百人🇱🇨🔑协同的内🇨🇫🥋容🌁。“第一🇸🇪是服务，用户的产🐔🔫品体验是🌩🐬否流畅、方便、舒🏙适，这是非常大的🏔🕝竞争力👚😓。作为参考🚦🚴♀️，这大致相当于 ◼2011 🧣年中期的🐏 Intel📠💟 Ce🔚🛣lero🚥*️⃣n SU🚜2300💆♂️💂（运行频率为 🇧🇾1.2 GHz🎞）💖🐉。
一套看似优🇧🇶🏧雅的后训练方法🐻🇦🇪论，背后是一⁉🇨🇽堆「不🌮这样做就装不下🔀🕷」的工🕎程妥协🖕🌝。我们将回顾最终V🚌✋erCor🗿🙌e的关键🎪♓特性🌹❤。实验结论 在实👾验部分，有🆘三件最值得🎒🇵🇾说的事🛏😢。在几个对比方法中❌🤣，直接在🇼🇫😦目标环境里用强化📏🦴学习训练🍒⚓的模型（💙GRPO on🇨🇳 Target🏊）能达到3📪7.8%，一种使🧗♂️用通用合成环境🔏训练的方法（⛏🏺AWM）能达🐬到38.4%🇨🇫，而一🎪种通过优化系统📪提示词🐎来植入能力描述👩⚖️的方法👩🚀（GEP🙂A）能达🎅🙅到39🌊⏸.6%🇼🇫。
研究团队测试了一🎎种极端组合🇦🇲：用一个⛵只有15🏍⛎亿参数的👩🎤小模型🚬（Deep🇬🇧🇨🇻See👄🛋k-R1-💜🛡Disti🕒😱ll-Qwe🛥🥥n-1🇲🇱🇦🇲.5B）作为价😭🏖值模型，去🦜🇸🇪辅助训练一个💈70亿参数的大模🦈型（DeepSe🧑🐞ek-R1-D🇦🇺istill🍉🤷♀️-Qwe🚃🇦🇱n-7B🔴💣）🎒🧞♂️。
