（来源：上观新闻）
它有两种🚭🇪🇨工作模式：当系🥾统还没有可运👨💻🇩🇬行代码时，它☮从分析✍🖤文件和执行计划🥘🌠出发，从头搭🇹🇻建整个代码仓库🐙；当已经有代码但📆🇰🇾实验出了问题时，🕕它切换到修😒🇧🇱复模式，根据🚣♀️🔢实验日志中记🇷🇪录的错误🇿🇲，有针🍝🥜对性地修改👩🏫👨🦰sem广告投放是做什么的代码，并👰💼把每次重要的代码🔠决策记录在🅰🏞实现日志中🧹☯。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➗🔲。
这不是能力的差距🇺🇸🕤，而是范式🇯🇪💗的失效😸🙋。但De📝🎓epSeek在💠👗堆多层时发现🔩sem广告投放是做什么的，HC🐆💘经常出🙅♂️现数值不🐈稳定，训练说崩📪😍就崩💘。这得益于它🐦🔏在内存中组织⁉🚶♀️代码库信息的🅱💚方式🌙🇹🇯。十几个exper🚅t通过on-pⓂ🈚olic🇸🇮y distil🔊🛩lation🎷👩👩👦👦合进一个统一🌵🇸🇮的studen🇲🇦㊙t🛎🕑。
但研究😖团队发🇸🇩现，当你给这些🌘🎓模型提出更🇪🇪🔒具体的要求——⛱比如"🧁🍽请告诉🦗👩🦰我这张图片里每个⛹️♀️区域的质量如🇵🇪何，哪个区域出了👨🔬🇲🇻什么问题，🐡严重程度如何"—👨👩👧👧🇺🇲—它们😷的表现就会令人🖊🇰🇳失望🌈🐷。” V💣ahdat表⛰🛷示，随着A🇾🇪🍶I智能体的兴起🇱🇺，在训练和服务方👄面进行分别🍑定制优化的芯片将⌛有利于整🧚♀️个生态的发🥦展🧾。
