（来源：上观新闻）
与OpenCla🦛w的静态调0️⃣🐕用不同，Herm🍲💷es在运行过🐻程中可以自动🚾😫生成、优🧪化、存储新的🚪技能代⛰🔆码，并通过📅🧗♂️“技能蒸🇬🇼🏝馏”机制将任务经🧫🈷验沉淀为可复🇵🇰用的技能文件👦。这种安排使得指💂♀️挥官的"工🎙👷♀️作记忆🧨🦒seo的培训班"始终保持🎪🌯轻盈，从🇸🇯😖而能在整个几十🇨🇬🇩🇰小时的任务周期内🌼持续稳定地发挥🇲🇱👾协调作用🅾❎。但这份名单把他们🍃的名字和V🍃4这个大家👺↖等了整整一年🚢🔃多的模型，🇬🇫🛰绑在了同一⏱张纸上🇱🇾🖲。
--- Q&🧘♀️🔏A Q1：🧴🎺SPPO🇹🇬🕔和GRP😫O相比，训📞练速度快多🇦🇪🇯🇴少，性能有没有🛣👏损失？ A：根据👰🐺论文实🕔验数据，S🔑☢PPO在训练速🌿度上比GRPO快♓🌐约5.9倍，主要📣原因是GRP🇦🇫🖇O每道👃🌚题需要同时生成8🇹🇩个答案，而S👩👦😒PPO💆♂️🎎只需生📺🥒成1个🧦。这三条性质，就🏊🚯像是给这份🥼💺"体检报☹告"制🇧🇭🇸🇧定了严格的填💧🦍写规范，确保⏲🧁报告不会出现自相💱矛盾或逻🚬🌘辑混乱的情况👕。#01 为什么🔑需要多 Age🐌nt？ 🌤先退一步聊🦸♀️💁一个绕不过去的问🐳💊题🉐。
