（来源：上观新闻）
用DC自己的话🛏说，这项审查是🥇🗄“人工”🦷且“细致”的，💘目的是确保🕙设计在实施🗝👩🏭之前是合理🏊♀️🏍的🚗。实验数🥥据显示，S🐨网络书源PPO大约在22🏂小时内就🏞🧺能达到约58分的🍼⛩网络书源峰值水平，✉📤而GRPO等方🐯法需要💏🧧明显更⛄👠长的时间才能👩🎓🗳达到可比水平，🇵🇸📟整体速度差距🛷🚚约为5.9倍✨🇩🇯。和OpenCla🐕🚛w一样🇬🇾，Herm🎭🧦es也是🇳🇦个开源的Agen🇧🇧t项目，🚠由Nous R🅰⚡esear🎦ch团🥽👸队于2月25🤑日推出🐓。
每一轮实验都💾🇸🇳会产生代码、🛰日志、结果、诊断🦉记录🙉。实现上用S🎅inkhorn🐔🔢-Knop🧤🦘p迭代，👾🌠交替做行归一🧙♀️化和列归一化，🦁↩迭代2🇪🇬🍜0次收敛🦑📎。虽然我们发现这并🇲🇪🔜未影响 DC 实⚜☀现功能正确性的🚫能力，但却增⛈✋加了 DC 🇮🇨调试时序问题的🔪🐭难度🇨🇵。
