（来源：上观新闻）
过去很多人认为💫，只要语言🇵🇾▶模型足够🥼🐼强大，👩❤️💋👩😐给它更🎑🧠多时间和更多"🥝思考"机🇧🇾会，它就能自然🧙♀️而然地完成更复杂🚃的任务🌐。tokeni👨👨👧👧👨❤️💋👨zer仍🥋🦹♀️用V3的🚣128K词😵🏨表🍮。Q2：👸📯TRACE🆖训练出来的♟️LoRA适配器🇭🇷为什么不直接合🦙🇵🇬并成一个模👌🇲🇬型？ A：实验证🎍🖐明，把多个能😐😓力适配器💘🥣合并进单一模型会🌝导致能力之🤭间相互干扰🚷🔘，性能反而下📼降🥅🇻🇺。
Q3：TRACE🦙和直接在目📯🕐分级阅读的四大害处标场景里做强化学🧰习训练有🚣什么区别？ A：🕘🗾直接在目标场景🗺💷做强化学习（G🔼RPO o®🍿n T🔍⛄arget）训🇱🇾🇬🇭练时，模🦏型从任务整体成⛄🦝功或失败中🔂学习，无法精确🇨🇽归因到某😛♨种具体能力，容易🍧陷入不稳🇸🇪定或过拟合🎊🚚。这个发现背👁后有一🇲🇲🇹🇬个深层原因🇦🇩：当多种能力同时🏬塞进一个模型时，🌀这些能力之间会👦🐻分级阅读的四大害处产生干扰🛎，就像🏗🇯🇴同时学习多门⚰语言有🇲🇳🇴🇲时会让👗各自都变得🇨🇷不流利🇷🇴🈷。AI，🐊已经从“概👨👨👦念”变成了🎁“岗位”😆，从“论🇻🇬坛议题”变成了“🔶❄招聘需求🚀🛄”🏍🧞♂️。
