（来源：上观新闻）
V4-Pro和🔚🇫🇯V4-Fla🇿🇲🤙sh，1.6🦡🕉万亿参数👳/2840亿参🥿📫数，上下🛃文都是1M🍝。王昊指出，这🤗一点甚至🥂许多动物🌰都不具备🇫🇴〰。可以把每个令牌理🍐⛔解为一个"标签贴🧪🧓纸"，系统⛎会为图片🔁中的每🇳🇬⭕个区域随机分🆗配一个这样🏵🇧🇯的贴纸，🎨📄然后把贴纸和区👱♀️*️⃣域的形状♿👨🎨信息相结合，再🦞®与图像的深层特🧽👨⚖️征融合，从而为🇩🇰每个区域🧫🇻🇦生成一个"个性化👩✈️♍"的特征表示😂。
AI助手先🇦🇩👫在目标场景中🥜🚺实际工作一轮，积🐄🍫累一批成功和📈失败的任务记💯💷域名网站录🕳🇩🇿。这个基准🌗☃出了名地难——👞🇲🇰此前最好🇧🇳🎑的AI系8️⃣🥋统只能完成约🧺21%的评分🦸♂️🇦🇱要求，而顶尖的机🤭🙉器学习博🚤士生在48小🧨时内能完成约4🐿1%🐫。“这种带记忆的自📻主智能体方向，是💘未来所👄🐌有成熟A🔥gent🔣的必经🥳之路🥖。它的思🇲🇴🏆路是直接扔掉那🔍🥮个不靠谱的打分🎐员，改用一⏪🇵🇪种"横向比较"的🇨🇨🇨🇨方式：对同一道题🔥🎳，让A🌓🍽I同时生成一⛄🛶批答案（通常🦃🇻🇬是8个），然后以⛳这批答案的平🇷🇴均得分作🇳🇿👫为基准，那些🍆🥟比平均水平好的📺答案就得到奖励🥔，差的就受到惩罚🥰❗。
与Ope😃nCla🇻🇪w的静态🕞调用不同，He👩👩👧👧🏹rmes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🔉。而观众，现↔在还能吐槽真🎼人版“粉🛰🔮底液将军”，以后🍌就要面对⏺AI版“画皮将🇧🇧军”了📥👒。为了确认S🇲🇬PPO的优势确🏘实来自其🌂核心设计🇸🇧思想而非2️⃣其他因素，研究😣🌲团队还做了一个对🤺🕝照实验：把SPP🍴🇸🇴O用来训👨👧👦📯练价值♿🍬模型的方式（二元🥙交叉熵损失）🦇直接嫁接到标准P🛅PO框架上，🌐其他一切保持不变⤴⛪，命名为"🎰PPO +6️⃣ BCE"🤪。
