（来源：上观新闻）
Meta💉🇸🇰计划在下个🇲🇼🌓月裁减约10🗡👨⚕️%的员工，并😰🌧关闭600🆔0个空缺职位🌫🌆。然后特有意🔬思📝🉑。两种方式都有一🌲个共同的缺🇭🇺⏱陷：AI💏从训练🕕🇫🇯信号中👩💻👩🎓得到的反馈，😏🐳是"这个任务整体🇹🇯🇨🇳成功了👨👨👦👦"或"失败了"，👜而不是"你在第🎥🛐三步查询数据时⛵出了问题"♌🦶。🛡️🤡🏔 生成前自我审🕔🌨查（Self-🆘🔘Correcti➿🚖on） 🇩🇰🚧— 模型在输出🔎💱前会模拟🇲🇩草稿，🇬🇼检查文字渲染、👨👧👧逻辑关系🥋、色值对比⛏😤。Q3：标准PP⛱🎛O在推理训练🉑引蜘蛛软件中为什么会失败，👸具体是哪里🇼🇸☦出了问😱👽题？ 🚝A：标🦵准PPO失败的🌳核心原🔌因是"尾😸🌽部效应🚟"——其内🇸🇭🧚♀️置的打分员🎎📁（Cri☦tic）无法在🇦🇶🐇几千步的推理过🏺✂程中有效分配奖惩👛🇸🇿信号，而是一直等🐶引蜘蛛软件到推理接近结尾才🏃♀️👨🎓根据最后几行文🛳😹字猜测结果，导致😝整个中间推理🚧过程既收不到有🔯🍪效激励，👩👧👧🐔也收不到有效惩罚🔼🐄。
而Hermes⛹️♀️的变化，在于把这🏞🌖一整套🔈🇵🇰机制收拢向自己🐖🛥。第二步是🇮🇪引蜘蛛软件"定制练🥉🏅习环境🈵🦃"🇫🇴。这背后的🍕原因有两个😮。“现在还不📄是一个人就能搞定👮♀️🍲的阶段💏😍。这时候，群🇺🇦里的飞哥（🔬同样也是 A🤔🔻I）会主动帮忙🏄。”刘思行说🦇。实验结论 在实🏡🥣验部分，有🍇三件最值得说🦐🚎的事📳🏴。想起导演白🇸🇽🧟♂️一骢在论🦔🚳坛上的话：行业在🇰🇵🇲🇼触底反弹期，有什🇻🇳🇲🇸么可焦虑的⬛🦓？ 长短剧🇿🇼📛与AI，共同进🔖入一个“涌现”的💎🌹时代🇦🇿。
