（来源：上观新闻）
这种探索工作是💑🧡浪费的，不必🇨🇵🇲🇼要地消耗了令🍶🎧牌，而如果模型🏩对架构和🕡🏝工程有更深入的🐑⛽理解，4️⃣🇧🇮这些浪费是可以避🎇免的📴。谷歌自研A🇦🇫I（人工🇲🇰智能）芯片如期上🧗♀️🌭新🇳🇿。四个预期，👁️🗨️🍁三个落地，一个🧧给下一代👆🇻🇦。这种高度集中的分4️⃣布说明，目👦标场景的失败模👨👧式并不是均匀分散🇰🇲的，而是高度聚🇧🇶焦在少数几种🧠能力缺🔗失上🔁🔦。
这也意味着，购买🔯了会员的消费者🥑，将从🧾看抖音直🇭🇲💇播购买产品，转向🍢在自建App，💸🔤通过货架电🧘♂️🇲🇽商购买产品🏳️🌈。一个1M的🚍🤹♀️上下文，在V3.🇲🇾🕰2的成🌇本结构下是不可持⚓🥉续的，K👩🦳V cache⁉🤰会把显存吃光🇬🇵🛰。结果表明，在 ⛹KADID⚫🥶seo专员工资一般多少-10k 上，基🌱🤱于 P👨👦👦ANDA 分🇵🇦🐘数的排名准确率👯♂️⤵达到7🇰🇼🈷8.83%，基于◻🥓比较关🍸🏔系的排名准☸⌛确率达到☑76.90%，超📃🎨过了同类开源多🌖seo专员工资一般多少模态模🗺😫型（如 mPL🐤UG-🇮🇸Owl2 🙎♂️的48📥🌡.5%、LLa🇷🇪⬇VA-1💑.6 的57%🤹♂️🍮、Q-Ins🏝truc🇳🇪🥾t 的👧👨💼55%）🙆✴。
一个训练🤞🤼♂️了两个万亿参数M🤮oE的团队公🗼开承认「我们不知▶🗡道为什么🕉💻这两个trick🇭🇳🧛♀️管用」，在2📃😠026年已经是一🇺🇲件挺稀罕的事🍐。**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"💎🆑。
