（来源：上观新闻）
AI助手先🔬在目标场🗝🇸🇯景中实际工作一轮🐮👓，积累一批成🧿🕎功和失败的任务记🙆录🌶Ⓜ。研究团队测🇫🇷🚶试了一种🔶⚰极端组合：用一🇼🇫🧟♀️个只有1💏🥕5亿参数的小模型👴（DeepSee🐬🇬🇦k-R1👱♀️⏪-Dist😆ill-Qwen😒🇯🇵网站建设优化哪家公司好-1.5B🥂）作为🇱🇹🐺价值模型，🇸🇾去辅助训练一👨👨👦🏅个70亿参数的🍑大模型（De🇨🇦↔epSe🐓ek-R1-D🦙🎦istill🦗-Qwen🕐🅿-7B🌐）🎵。
而当人类的击🈂球从试探变成📭动真格地快速平✳🌋抽时， C2也立🇯🇵🛎刻后撤、调整站🇪🇸🥑位，精准地把球顶🅾回后场🔮。GRPO📨♌达到57.44分😚🏂，SPP😊🚶♀️O达到58🍢🐟.11🎗🌙分，配备小尺寸价🇲🇴值模型的🥾🇼🇫SPP🕸O组合更是达到🥌🔐了58💰.56分，拿下了💇♂️🏵所有方法⬅🎻中的最高🐦分☘。
