（来源：上观新闻）
这是因为✍🐏打分员需要👏🇹🇭理解AI在每一🕋步的输出，从👩💻🚴而估算🤷♀️🧹当前局面📺的价值，👩🚒📯而这种理解能力🇪🇨要求打分员具备和〰🔘AI相当的📣🧘♀️语言理解🏓➗能力🤞👨🍳。点众科技更是宣布🇲🇳推出“双十亿”A🥕IGC🥕🆔全球共创🐔🦃计划——投入1🌓➖.5亿美金📳😔与10亿💹人民币专项资金🇧🇳🙎♂️，开放8万🌟部存量小说I⚛P，以🏋🗨“超高保🏝🏵底+分成🔋🆗”模式🇷🇼💷扶持全球A👩⚖️🛫IGC创作👀🍳者🧤。
他认为，💉😄在具身👚智能时代，仅🍀🛒从事单一📵🇭🇺环节集成的🍔企业难🍡🏏以持续发展🇭🇰，唯有😕同时构建软🚕⬜件与硬件的底层♾️👳♀️能力，才👩👩👧🍟能真正掌握👨💻定价权🖥。作者可能只写🚫了主要思路，很🦏多实现🍂⏩细节散落在各个章🐾节，甚至❇😈完全没有提及😽。**当AI做数学👨👦👦题，"打分员"💌🧜♀️却失灵🥶➕了** 假设你🧷😸正在教一个学生做♎🥐数学题🛤♿，你的评分🧕🐬方式是：等🇸🇸他把整道题🇸🇻全部写完，才告诉📙他"对🐁🕥"或"💵🌞错"😆👝。
过去，🥎训练一个70亿🎢参数的推理模型🕳需要同🔈👮♀️时加载一个同等大🔌小的打分⛹️♀️员，内存压力极🤱大；而S🦑PPO允许用一个〰⏏小十倍的模🏫🖌型担任价值预测者⁉，让更多研究🇵🇭scm者能够♿🏯在有限的计算资源🚀🤛下开展实🎁🇬🇾验😑。一些细节微调包💰括，affin🐒ity sc🗳ore🦜的激活函数从Si🇨🇴🇲🇰gmoid换🔚成了S💄qrt(🏆Softpl💚us(·))📙🗓，去掉了rout🏭🖲ing t🇧🇩🏉arge⚱t n🇲🇽🈲ode🦖㊙s的数量约🇲🇩📭束，前几层🐶🐾dense ⛄🗃FFN换成了用H🌹ash rout🐿scming🚂⛔的MoE层👋。
