（来源：上观新闻）
当然，这项📏研究也坦诚地指👨👨👦出了自身🇧🇾🇸🇧的局限：SPP👩🦳🇧🇹O的设计前提是🎅存在一🕓🗞个明确👇的对错判断——数🍋☑学题是否答正确🗨。2025🏈🐏年3月🐏，xAI收🉑🇰🇳购了X💗。这两种🆕工具都是 🚓🥼RISC-™V 设计的🇸🇸常用工具⭕📤。Q2：S🚕👯♂️PPO里的价🇻🇺🥼值模型要多大才🇿🇼够用，能不🐾能用比主模型小🕧很多的模型？ 🌿A：实验结果表🔀🇸🇧明，价值模👩🎨型可以远小于💬主模型🏭😰。
董事长🎬成锐进一步🇦🇨说明，此举旨在避🍟免为满📘🕓足短期报👼表要求而🇲🇲🇹🇴压缩底层研👡🐥发投入，防止公司💌🧞♀️陷入同质🌎化竞争，从而😵✊为战略执行预🇲🇪🚶留必要的空间🔵。流程分两步🌡。Muon在LLM🌡规模上的第一次🐙🌆大规模验证是K⬆🇭🇰imi K2🕺©。因为K❓🚅V e🔲ntri❤🎌es既做ke🤑🌎y又做val🚦ue，na🇹🇻ive⬆的RoPE👃🐒会让输出带🦅上绝对位置🐊信息，所以在ou🇮🇨🇹🇰tpu🇨🇦🍶t端也🥬🦑对应施加一个🇷🇼🌉位置为-i🇮🇴的RoPE来抵👩⚕️消，只🤶🇨🇿保留相对位置信🌎息🐁。这意味着价值模型🤥🏵确实学♿🔼会了区分难题和简😂🛌单题，🇪🇷虽然不完美，但📻😟相关性足够显↩🇬🇫著，能为训👩👩👦👦🐟练提供有效↔的基准信🇽🇰🍒号🍠🆘。
