（来源：上观新闻）
今天的 😝🍚AI 圈也一样🏄。Q3：标准👩👧🗒PPO在🏖😚推理训练💚中为什么🧴🇬🇹会失败，具体是♾️🗓哪里出🚖👨🔬了问题？ A🛂🚭：标准PP🥄⁉O失败的核心原🦋因是"尾部效应"🇬🇶——其内置的打分🛤员（Cri🦹♀️tic）无法在🙍几千步的推理过📠🕛程中有效分配🈳📠奖惩信号，🇬🇫而是一直等🛷到推理接近结👨❤️👨🤾♂️尾才根🚓据最后几行🇸🇱🗒文字猜测🍧结果，导致整个中🧟♀️间推理过程既收不🎐到有效激励，也🌦收不到有效惩罚❤🌌。
“硬件已经🌬到位了，但大脑🌾🐣没有跟上🥎。我今天最想🖨😾写的，是😨🇬🇷 Kim👈🧨i 在 K2.🧞♀️6 这一版上👅📸做的一个特别有😾意思的产品创新，😯叫 Cla🍭🚧w 群组👨💻。可以说，一💏时间信息多的有些🇨🇼🍇超载，但多归多，🐋主线就两👨❤️👨🌎条🤮。
实际使🥋用时，系统需要根🚯⏭据用户的具体请🈲求，判断🦂🥬当前任务最需👏🐮要哪种能力，⛱然后启用🇲🇼对应的插💹👲件🇵🇰🔰。龚宇公开直言，⏰🧭202💘6年内将🧞♀️出现纯AI爆款长🇩🇯剧🛳🦔。这个任🕓务远比"理🕙🕙解复杂☎📙推理过程"简😗🇨🇲单得多🇩🇪🍛。研究团队🏨🏬还会重🦓☯复这个分析🇵🇷🤣过程多🏸geo是啥次，只保留⌨每次都稳定⚗出现的能力🌺，确保结论的可🔚靠性🥙。
