（来源：上观新闻）
”该员工说道🙍♂️。1M场景下，V🇸🇾🙂4-Pro的单t🇺🇦🌪oken FLO🇦🇺Ps只有😌🌪V3.2的27%💜🇧🇬，KV👈 ca4️⃣che只有1🍇0%🇦🇿🇹🇬。它越来越精，🦹♀️💚但对于内容的理解🗞🛐、情感的理解8️⃣，还达不到🇰🇭新域名泛站。” 谈🇸🇮🚋及未来创业💠➖的发展大📅势，姚双判断🇹🇳，OPC是👷🇿🇦不可逆的长期趋⏭势🇩🇰。**说到底，这🎼项研究发现了🚬什么，🏳又意味着什🇲🇿么**♒🗿 归根结底👨🌾🥣，这项研究🌟👍回答了一个在AI🥧🖇训练领域长期存在🎺🥇争议的问🇪🇪题：大模型推理能🇨🇳力的训🥄练，应🥃🐕该用什么样的框🧔架来建模？ 研究🕗团队的答案是：把🕰整个推理🎂🙎过程当🇰🇮成"一次性🏓🇹🇭行动"来评价，‼而不是"一系列连🕊续步骤"🚓。“我们不会🥼在全公司🏥范围内限制出差😕。训练数据量🏍整整翻了🔊🎉一倍多（增长约⛱ 1.2♥ 倍）🇹🇦🔂。
**二、一个关🔟🚶♀️键发现：GR😁🈺PO其实在🇱🇸😖"偷偷做别的事"🎨🏧** 这🎾👉篇论文最有☺🇧🇯趣的地方在于，🛅🏅研究团队对G🏝🌲RPO为何🎗📋有效做出了🔙一个全新🌇😲的解读，而这👆✡个解读🇮🇹🧟♂️成为了👨🎓🥃他们提出新方法的💦理论基础🏕。它带来了两👚💁♂️个直接后果：🦋对于答🕜🧯对的推理🌠链，打分员在💽接近结尾🍬👪时才给出高分🍿，导致🐸AI的整个推⛽😈理过程🐘🤙几乎收不到任🏗何有效🎌的激励信号♟️；对于答错🖤☪的推理🕙链，打分员🧽在中间过🥉程中也没有给出足⚱🐒够的惩罚，无法🏩🏺让AI知🍑道哪里出了问题🚗🏊。
