（来源：上观新闻）
这组数💓据背后的逻辑是🥃：当训🔛🈶练场景与目标场景🧐完全一致🏈⬅（即直接🥛🚢在目标场景上做G👬📢RPO）时，模型💼很容易🇵🇦陷入过拟🇷🇸合或训练不🇹🇹🇸🇨稳定的状🌝⭐态——它学到🤥的可能是特定题👁目的答案，而非👩❤️👩🗣通用的能力🏴🇭🇹；而TRA🐵⚗CE的练习场景🎸经过专门🏐🎬设计，每道🌅🇦🇿题都由📳🇹🇷随机种子程🍃🐢序生成，变化😲无穷，🎴👩👩👧👧AI练的是"⚫能力本身"而非🧯☔"特定题目"，🧤🇸🇸因此能够随着训😢💗练轮次的增🔡加持续🇱🇾稳步提升🏡。在失真类型👠🇫🇷识别上，E👩👦🎓asy 级别🎺🇯🇴中 PAN🏟DA 达🚮到了78%的准确➿➰率，而排名第二👩🎤🇻🇮的微调版⛲⛎ Depic⤵🌨tQA+🇩🇿 达到75%0️⃣，商业模型 G🐆PT-5 M🌙😷ini 只有🤼♂️49%，GPT-⛳🍟4o 🌞🇬🇲是46%，G🤸♂️🎰emini 2.🐇5 Pro 是3🍖9%，而随机猜测🦜🔓只有7%👄。
文件即通道协议🛀做到了🧵这一点，😰而层级🧼化编排则⛩确保了这些😙📑积累下来的状态💐能够被正确地路3️⃣由给有能力处理👮♀️它们的专🍑🇨🇳业代理👩🦳🧽。在后训练阶段，🇩🇪◾V4这一0️⃣代做了一次方法❎💠论替换，传统的m🔟seo是干啥的ixed🙃 RL阶段🏈👨🍳被On-Po🏀licy Dis😾📱tillatio🏡n（OPD🎺）完全替代💌。。DeepSee🚤k追求的一🍽直是另一🧺条线，同样能力👗下的成🐝🦏本下限🌒🇩🇯。网络视听司🍶副司长杨铮则🗃🅰更直接：“☸🦖人工智🦚能正在以前所未🚂❓有的广度和深度，🏳️🌈📄重塑内容生产👩⚕️🏴和传播的🌅🇲🇳底层逻辑🤑🚐。一些细节微🇼🇫🤕调包括🤮，affini💲♋ty sco👮♀️❄re的激活函数从⚠Sigmoid换🎙成了Sqrt🕥(So🍹🏨ftplus(·👚🍾))，👨👩👧👦🔳去掉了rout💂♀️ing tar💍🇲🇺get nod👽es的数量约📝©束，前几层den🇧🇮🦜seo是干啥的se FFN📼👩🎤换成了用Ha🇦🇩sh ⏫routi😇ng的MoE层🥝🔆。
