（来源：上观新闻）
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tr🐍🕳ick管用」，🙍♂️在202💍6年已经是🇨🇫🧀一件挺5️⃣稀罕的🛅⚰事💐。对于每一种➰被识别🚧🧸出来的薄弱能😡🌻力，系统会自🎨动搭建🍻一个专门用于💸🥚训练这种能力🐽🇦🇷的练习场景🚸。
目前，汇博机器人⤴🇲🇬已形成“量产一🙎♂️代、发布一代😭🚵、研发一👩🎨代”的👨💼梯次化产品布局🏴🔉。我今天最想💁写的，是 Kim🔬🦟i 在 K♉🌶2.6 这一👥⚙版上做的一个特🇳🇴🧼别有意思的产🔧品创新👋，叫 Cl💠aw 群组🤕。在1.🔠🇲🇿5B规🔇🇲🇳模（15🍷🧚♂️亿参数）的模型🉐🇵🇫上，标🍄准PPO🇱🇷的综合平均分是4🛏4.06，🔨🧒甚至低于未🇷🇴经训练的基础模🚖型（4🐈4.96）◾🙍♂️。
换句话说，当任务⛽🏷需要跨越🇬🇩🧽多轮实验、不断🛹从之前的诊🔋🛏断中学习🇳🇦时，丢失中✊间状态的代价🔛⬛就会急剧放大🈚。V4-Flas💠😯h-Max只🦷激活13B参🕡👩🚀数，推理🧘♂️任务上能打平GP🇸🇮🛫T-5.2和🇸🇰Gemi🐾ni-3.0-P🚄🇧🇭ro，代🕍码和数学甚👨🏭至超过K2.6-🔺📣Thi🧯nking🐿。而这种知识通常®🙍♂️是人类设计师通⬜过经验积累的🍪。
