（来源：上观新闻）
“我们发现，更好🇮🇱🦑的方法是让 🍌🕵AI 代理😷🏮解决整个🛬问题，”他说道📻。训练方式是🛣😔一种叫⛪做GRPO🥡📥的强化学习算🗓🥞法：AI在🍞🔷练习场景中🦒👦一次生成多个不🍾🕛同的答案，系统根💇🚺据每个🇸🇧答案的好坏给🐣💔出分数，然后通过⚡🇿🇲对比组内分数的😴😂高低来计算每🕤个答案应该被强化✳还是削弱👨🎨👏。论文通过可视化实🤫💰验直接观🐌察到，🗳正确和错误推理🎅链的价值曲线在🇿🇲🧵中间阶段🇭🇲几乎完全重叠，只💔☪泛域名 泛目录 收录 区别在结尾附近才分🚊开，证实👬🍡了这一失效机制👩👦。值得特别😊🇧🇷关注的💳是成本对比🎠。
实验结果显🇲🇻示，三种🌁配置的🐵🏊♀️性能差异不🦄🇱🇺大，但 D💓🌷INOv2（🎚ViT-🛃🕎s）在性能与计算🇹🇹⌨效率之间取得了⚰🍉最佳平衡📪。在官方的推文中，🐍🔁也侧面印证了这个🇯🇵说法： 目🍠前Deep🍿Seek-V4已💵成为公司内🚄部员工使👩👩👦🧹用的Age🌘ntic Co📦ding模🔃🛑型，据🥦👩🎨评测反📝⏳馈使用体验🏟优于Sonnet💩🤕 4.5🇸🇨🐮，交付质量接🇸🇹⬇近Opus 🔝🍰4.6非思考模式🇨🇰👩🎨，但仍⭕🇫🇴与Opus 4.🍈💴6思考模式🔉存在一定差👩❤️💋👩距🛷👮♀️。
