（来源：上观新闻）
研究团队🐫♾️还观察到一个🦏有趣的现象👩✈️📆：价值模型🤽♂️的预测值整体🇱🇮🕍呈现"保守"👩🚒🚬的特点，倾向于🍸🥵预测在0🕢.6到09️⃣🏙.7之间，而不是🌄极端的🆘0或1⏰🐭。第二是 Deep🇰🇭😷Seek V4🍔🥶。第二步，l🏇🇪🇨ightning💐👩🌾 indexe🖲r + 🍯🦛top-k🌾🍍选择🇰🇲。在失真类🤮型识别🚙👩👧👦上，E®🇲🇽asy🤾♂️ 级别中 PAN💇👼DA 🏴☠️达到了78%🐔↔的准确率，而排名🇨🇾👨🦰第二的微调🍔✖版 Depict🌶QA+ 达到🎓75%🇫🇰，商业模型🚌 GPT-📖5 Mini 🐈只有49%，G🇹🇯PT-4o© 是46%，Ge🐶🇩🇴mini 2🎁.5 Pro🧮 是39%，而随➗机猜测只有7%🦴🔱。
GRPO因为每🇬🇩🇫🇰道题都需要⏲生成8个答🤫案，训练进程推进👨🎓🇱🇷得很慢😾。在商业模🕡👨👨👧👦式上，自变量🚂也没有走传统的“🚴🇰🇵卖硬件”路线，👨🎤🐦而是更🇵🇭接近服务订阅🤳♊功能测试的常用方法6种模式🚫🔉。相比之下，直🛎接在目标场景里进🇸🇻行GRPO😤训练的曲线显🦁得波动起伏，甚至🤩在384🇸🇮0轮次时🇨🇿出现了🦑下滑（从37.8🐙💗%跌到35.4%😧），最终停🕢📺留在37.8™%🔚🧩。”他表😉示🇮🇹👨🚒。
