（来源：上观新闻）
第三种方法叫合⬇成数据SFT，🏊⬇收集每个能力练习🕚🤚场景的成功轨迹🆑🇨🇫，然后做🇧🇯监督微调🇧🇶🦠，结果只有37.🐻👨💻8%🗼。DC 必👨👨👦须执行👜与构建设计相同的📺操作，并且🧘♂️必须在©🚵维护先前工作所需🛠的上下文📩🎈和记忆的情况👑下完成这些操作👱♀️🥺。
到那时🇰🇷🦆，科技就🗨不再只是让我们活🎐🔒得更快的工具👉。类似的情况，时有🧸发生🐔🎠。所以大家意识到，💂♀️多 Ag🐍ent 不是要不☸要的问题，是早晚▶🇧🇮的问题♨。在理想设定🇵🇬🧓中，Hermes🏗可以通过技能蒸🤖🔏馏不断优化🎂🚞自身能力🛫。DC 得出结🌛📖论，即使分支💄惩罚为 1 ❄🤶个周期🧘♂️的变体😞🔊具有更🛬长的时序关键路径🕵（涉及🗯额外的比较器逻🕐📪辑），它也能🚾🧝♂️满足时👝钟频率目▪🍨标🦌🦹♂️。
先SFT🧐打底，再👩🦰☔用GRP🈶🔴O做do🤜main-🤐specif💧🏖ic RL🇨🇱⌚。基于这一🚨架构，WAL💂🇺🇿L-B实现了🧗♂️三项现🚌✴有模型🇰🇾🥞不具备的核心能🇫🇰力： 📇❓1. 原⚔生多模态+本体感🔌🍁 WALL🚘-B从训🗽练第一👜天起，就同时🇧🇷🙃接收视觉、👎🦷听觉、触觉💺👩👦推广seo、语言、动🕰🇮🇨作等多模态数据🏇🥔，实现“📐🥟多模态进、⛸🐙多模态出👝👩💼”👨🎓。
