（来源：上观新闻）
**七、价👨👦👦值模型学到了💱什么*🔻* 研🛰究团队还专门分析🏉🕶了价值模型的🔺🕺质量，因为S😪PPO的整个机👨👨👧👧🇬🇺制都依🎇🇪🇸赖于一个能准确🤾♂️预测题目🚽🥒难度的价🥾值模型🔃📂。mHC🧂（流形约🇹🇻束超连🌼🤥接）：2025年🏪12月🎆🍴31日上🔕🧷传arXiv，梁🇯🇴文锋挂名👩⚕️🇨🇴。一些细节📊微调包括，af🏰fini🥞🏆ty 🇯🇲🇳🇦scor🆖e的激活函数👇💘从Sigmo🛷🦂id换成了Sq🎤rt(📎Softplus🛒(·))🇹🇳，去掉了rou📨🙎♂️ting t🍩🔗arge👨❤️👨t node🏺🍛s的数量⚠◾约束，前🍃⛹️♀️几层dense🅱🈚 FFN换成了🇸🇻用Has🎱h ro🇨🇿utin📔🇮🇳g的MoE层🅾🧙♂️怎么自己弄一个平台。
他们开发了一个🇸🇽👔叫做A🌬⏳iScient🍱ist（以🚴♀️下简称"A🎛I科学家"）的🍍系统，并在🔐👉两个业界公⛱👽认颇具挑战🍝性的测试基🌎🤦♂️准上验证了它的能🙌力🇰🇪。在失真类👴🥁型识别上🐪🔯，Easy🕊 级别中 PA🚷NDA 达🤤到了78%的🇦🇫🎑准确率，而🇧🇧🇹🇳排名第二的微调👝版 D👩❤️👩👮♀️epi🇦🇽ctQA🍈🌼+ 达🏒🐪到75%，商🎸业模型 G🐲🚋PT-5 M🉑ini 只有4🤱🇬🇫9%，G🇯🇵🥣PT-4o 是🇬🇶🦂46%，G🍅🌡emini 2🇬🇺⚱.5 Pro 🦹♀️是39%，🛰而随机猜测只🚱🎋有7%🌺。
