（来源：上观新闻）
“虽然最开始😨使用Her🔣mes的几🈳🍥次对话，跟O🇳🇨pen🍕Claw的To📋🦷ken消🇯🇴🌯耗量差不多，但越📋🤤往后聊，会🏕📢发现Herm🦟📃es消耗的Tok🥄🇵🇪en反而会少一些🐄😁。参数量高达👫270亿👾👨👧👧的 Gemin🧩🔸i 2.🔩🏬5 Pr🥰o（谷歌旗🧛♀️🇿🇦下最先进的商❄业大模型🇪🇸之一）只❓🗞有22🇨🇬💥%的准确率，🏯而随机👨🏭💖猜测的准确⏪率是2🚡💘0%——也☔🚳就是说，Gemi🛌ni 2👝🧜♀️.5 📸⚗Pro 🧗♂️在这项任务上🛠🐉的表现几乎与瞎🔒👃猜无异⛽。
Q3：标准PP🤮O在推🇺🇲😿理训练中为♻🏂什么会失🥄败，具体是🇰🇼😳哪里出了问题？👍💣 A：标准PPO🙅💙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🌍⌛。
这种跨🎣团队的技术🥴🌇共享和各自演化🦑🤛，是2026🥀🌒年开源社区最👔有意思🤼♂️💑的一面👬。国家广电总🙇♀️局副局长何飚在🐙主论坛上给出了👷🕸官方定调🎺🍨：网络🇷🇪✌视听行业📖要落实好扩大规🏃🔄模提升质量🗓、推动内容⛳精品化发展🏄🈚、深化人工智能👠创新应用、深化🇵🇬🚶♀️国际传👩👩👧👧播这四个方面重👞点任务🈁🎐。
