（来源：上观新闻）
202🧓5年，Moons🇲🇹🤳hot用M🦸♂️uon（加上🐾他们自己😨💙的QK-🍅🤟Cli◾p变种🇲🇩，合称M🌗uonCli😣p）训了一个🧘♂️1T参数的MoE🛑，15.5🎷T token，🕺全程零崩溃🇧🇴。论文原话😯非常诚实，这两🐊💭个tri📂🇭🇹ck work☂💖，但底层机理仍🔔🇹🇰是ope🐬n quest🌋ion🗼💅。Q3：T🚏🦞RACE和直接👣🇰🇵在目标场景🏔🖱里做强化学习训练🚍✋有什么区🎟🚖别？ A：直接在🌴🌍目标场🍢😋景做强化🌠学习（G👶🤙RPO o🇦🇩n Tar✨get🦷🥌）训练🎡seourf中文啥意思时，模型从😱🥯任务整体成👹功或失败中学🇬🇷习，无法精确归🚪因到某🇺🇲种具体能力，容易💈🧠陷入不稳定🇻🇪🏃或过拟合🙋♂️。
Q2：🗽TRACE🚊◀训练出🐲来的LoRA适配🏴器为什么不🖨直接合并成🎿一个模型？ 🈳A：实验证明，把2️⃣🚡多个能力适配🚰器合并进单一🎯模型会导致🐅👧能力之🌟🧓间相互🏙🛋干扰，性能反而下🇵🇫💱降☁。标准P🇹🇱PO从基础模型✋😇的52.49分提🐼升到56.4🇦🇫🇩🇬4分，进🛐☔步明显📥📵但并不突出🦜📂。张曼玉在《甜蜜🇲🇻🇲🇳蜜》中封神一哭🛄◻ 演员文淇最近在🇪🇪☁和鲁豫的对谈中，🍱也聊到了“电影🕛配角将由AI演员👩👦👦👨🚒出演”的㊙🧡话题，她显得🧣🇱🇷有些悲观🆙。这条连线🇳🇨会标注"锚🇦🇪图中的这个区域比🧓目标图中的对应区👉域好"👩🔧💶、"两者差不多"🌈还是"目标图🇵🇼🥜更好"，而且还🦖🌴会区分"稍好🏥5️⃣"和"明®🧖♀️显更好"这两🇧🇾🚩种程度🎐🍘。
