（来源：上观新闻）
在这项工作中🈹🕌，DC🤠🇨🇬 生成了多个版✴本的流水线；图中🌿🍋所示的版🇭🇲本性能最👨🌾高😙。V4还引🇬🇱入了三档👨🎤🇺🇬reasonin🐤🎪g ef🍬🎲fort m💲🔜ode，N🦐👾on-think🇧🇳🗿、Think H🇳🇱🧤igh、T🧙♀️hink 🥑Max，每档输出🇻🇬🧪长度不同🇬🇩🏬。”盖尔写道📍🤖。这正是人▪🦎类创作者不可🧖♀️🇪🇸替代的终极💒锚点🇩🇲🚚。PAND🍹🏩A 模型的参🚽数量仅为0.02🧝♀️🔦8亿，处📹理一对包含🇬🇱14个区域的图片📿对只需要3.53🇹🇻🥑秒，而相😑💔比之下，同类🇪🇪开源多🌻模态模型（🔊如 Q🏕-Insight🖊🇭🇹）处理🇧🇹🥁同样的任务需🧕🏂要274秒，🇵🇫❌参数量更是高🌤🎪达70亿🍒🔅。AI提交的代码不🌚🌼会立即报告🥗🏯"这里⚗有一个逻辑错误🇳🇵😶"🚌。
谁都想挖👩🏭掘“超级🎰个体”并与之🔡📃绑定，生👨🏭🎌怕被甩下🏒🎋。其实如果🇲🇪🌷它能够上传🎑✏ ZIP 包，那🐋🇺🇾我觉得就🇬🇵💔我们公👨✈️司所有📹的龙虾⚾自建网站的 Skil🌋l 的流📛转都可🇸🇷以放到这🇨🇳了，根本🕠不需要再上传⏹💇♂️到一个私🐃有的 Skill🤷♂️ Hub 当中🇮🇹。**说到底，这项👨👩👧👧🚠研究发现了什么🕉，又意📈味着什🇬🇦🍭么** 归根🧨结底，🍧这项研究回答了一🛏🐼个在AI训练领域🗽长期存🎓在争议👿📏的问题：大模型推🏑理能力的训练🔭🏇，应该用⏬什么样的框架来🚐建模？ 研🌗究团队的🇳🇮答案是：把整🙍个推理过程当🎪成"一次性行动"👩⚖️来评价，而不是📆"一系列👨🎓👩🚒连续步骤"🚶♀️🔽。有兴趣深入了解技🇲🇸术细节的读者，可💥🇹🇳以通过 a💹🇸🇱rXiv🥀🇮🇸 编号⛽ **2604.🕵️♀️◾110🇻🇳🀄04** 查阅👰🇲🇩完整论☕文，或🥫访问项目👩🌾主页 ai🙋♂️smartp💝🇦🇪erceptio👁️🗨️🇲🇭n.git🥟hub.🇪🇷io/dist📴orti🧨on-graph🍯/ 获取更🖌👨👧👦多信息🇵🇾。
