（来源：上观新闻）
这个发现在实践层👩🔬😬面意义✅重大🈯🎗。第一是 Open🇳🇷✉AI 怎么反击 🧦🇲🇨Anthro👸😮pic 和🇩🇲 Goog🇱🇷🇨🇩le🕡。而Hermes🏛的变化，在🆙🥓于把这👹📃一整套机制收拢🦡🐅向自己🔋。AI科😖学家在使用G🤾♂️emini🐔🇮🇸-3-Fl👨🚒🎦ash作为底层🔞🍕语言模型时，平✴均得分达到30.💆52分📏🍑，比同条件下最强⏬🗻的基线系统高出9🇧🇳🇵🇲.92分；📩🖥使用GL🥰👩🦰M-5时📫，平均🇬🇼🌈得分达🏊到33.↗73分，🔽比最强🍊👚基线高出🈚🔤11.15分♊🕵️♀️。1M场景下，V4🇬🇳-Pro🇰🇭的单token 🎋🐀FLOPs只有V🚱🍓3.2🦜🆎的27%，🗃KV cach🇱🇨🚢e只有10%🏑。
一个训练了两个🇪🇸🇫🇯万亿参数🇷🇴☁MoE的团队公🇧🇶🧶开承认「我们不知😽💁♂️道为什么这两🎊👨⚖️个trick管🐩用」，在20🕌26年已🌗🙇经是一件挺🕊稀罕的事👩👧👧😰。于是，他们又🆚讨论用国🇮🇲内的镜像站，最后🕡🤙解决了问❇♐题⚙⛹️♀️。第三种方法叫🥼💩合成数据SFT，😎🇨🇩收集每个能力🇰🇿🇵🇪练习场♈景的成功轨🥚🦓谷歌seo怎么做迹，然后做监🇹🇿督微调，结果只有👩👩👦👦37.8%🌐。这个关键缺陷导致🇻🇳训练变得低效🇿🇦。
