（来源：上观新闻）
在后训🚡练阶段，V4这一ℹ代做了一次方法🌃🇷🇸论替换，传统的🔕mixe🎫🔜d RL阶段被👭🇵🇲On-🎍Policy🏟🤢 Disti‼llatio🖊n（OPD）🇱🇰完全替代🕛。它用系0️⃣📉统化的方式解决🇦🇹🧬了一个长期🇧🇧困扰AI👩👧🥼训练领域的难🇵🇼题：怎么让一个🤠已经"🌤👨👧👦基本合格1️⃣"的AI🇻🇬，在特定场景中🇻🇺👓变得真正可😩❣靠🔆。
整个过程🇺🇲🏕没有"中间步👈🐘骤"的🎰💨概念，只有🥦🚠"整体行动"和"🥋⚱最终结果🍌"的对应关系⏏。”实测后虽然🌻🇯🇪觉得H🚣🔱erm🐻🈴es有其优❓🌾点，但人工大黑还🛴是泼了一盆冷水🔋。这导致了“验🦐🚴♀️证”成本居高不👽🇲🇳下，通常🥞🐵估计占总支🤖🌽出的50%以🚆🏭上🚵♀️。
