（来源：上观新闻）
先SFT打底，再🚈🇹🇰用GRPO做d👩❤️💋👩omain-🏇specifi🇸🇯c RL👫🎢。动易科📉技创始☹🎷人、C🇪🇺EO兼CTO任🇲🇻📨晓雨，把这种🐊思路概括🔚💁♂️为四个字：9️⃣ "以新造新"🐻。如果这道题🇮🇪🦠答对了，每一步都🌉受到同等强度的🌹鼓励；如果答💨错了，每🚹一步都🇱🇨受到同等强度的🥥惩罚🙌。根据《纽约时🇵🇪报》基于公司文件🤓、诉讼材料、内🇺🇦🔠部资料以及对知🍈情人士📖🇸🇪采访所😬🎨做的调查，这只是📏过去二😴😆十年来马斯🌲🇱🇨克将S⚾paceX当作📦某种“🌙提款机”使用的👩👧👦方式之🏜💷一🧬。
但装这件👷♀️🇷🇸事每个人都得自己🇲🇽操作一🇷🇺🐔遍，几👱只虾还🌘目录树好，人一多就很🥮折腾🖇。失败覆盖率的分布😴也非常集中："结👺🗨构化数🥿🚶据推理🌎🏑"覆盖了约4🖨🇧🇪1个失败⬆🧨案例，🐈🌞"多步骤任务完👩👩👦👦🇺🇾成"覆盖♑约25个，"前提🔈🗓条件验证🥁"约34个，➕"工具调🇲🇴🤛用精确性"🚦约20个，🌅📀而其他被淘汰🥒的候选能力🇵🇼🇨🇼大多只覆盖❗10到15⁉个案例🚗🔮。
最后还🧰有一点👣🇮🇪需要说明：该⛹芯片尚未实际🎮🇲🇨生产🛷🇦🇱。而当龚宇站在平♨↪台的上位者视🗓角抛出这ℹ句话，它就✨🔜不再是👼一个玩笑🇺🇿，只会让人警觉👨👦🇩🇯。在电影《甜蜜蜜📫》中，张曼玉贡献🌺了封神一幕🎳。更巧妙的是，练习🏹📯题的难度被刻意调⏸👨🚀整到一个"甜蜜🧭®区"——基础🛶模型大约有30🇵🇹%到60%的概🌠🕌率能答对♎🎡。SPP🤽♂️O每道🛏⛩题只生成📼🌵1个答案，🧳在相同时间🧤目录树内能完😵🚰成更多轮更新🌺。听起来贵⬅🅰，但DeepS🤴eek做了f🐍目录树use🇲🇽d ker📰😆nel，再配🤫🇦🇸合选择性re🇧🇹compu🚏🐹tation，😐⛰实测mH📧C带来的wall😞🚘-ti🈸🔠me开销⬇控制在o↘verl🇵🇬apped ⚖🧞♀️pipel🇬🇾ine的6.7%🐃。
