（来源：上观新闻）
在后训练🦁👩❤️💋👩阶段，V4这一🇲🇹代做了一次方法论🇲🇭替换，传🐨统的mix📣🤪ed RL阶段被😊On-Polic🏄♀️👺y Dis🇫🇯🏮till🏵🇱🇧ation（OP⚖D）完全替代🚥🇦🇬。实际使用时，系统💁♂️需要根据用🇱🇸🏃户的具体请求，🚍判断当👉🚰前任务最需🕉🇧🇦要哪种能力，然🚅后启用对应的插件🧓。为了充分有效地👩🏭🏴加速设计流🥳程，并避免👩🦳引蜘蛛软件受到阿姆达尔💰定律的限制🇨🇰，这类代理必须🤨⚖解决整个🎯🤛问题—😝—直至最终达🇺🇬🥄到可流片的🚵GDSII🈚📿。片上存储🇳🇫是TPU 8i🙎🧓最显著的🐜硬件特征🧝♂️🎦。
GRPO的成🎲🙄功，本质上是🌟这种框架切🔀📵换的成功，而非🖌👩👩👦👦多采样的必🍡⏪然功劳👤🇱🇾。HLE上V🅱4-Pro-M🔴ax 37.7，🔐Gemini-🧻🏟3.1-Pr🔩👩🏫o 44.4，C👨🔧🙍laude-Op🙋♂️🚈us-🤪🔈4.6-Max ➰🇸🇬40.0♓👨🦲。长时间运行的自主🚝🏏人工智能代理🛣为改变📤🦷这种现📯🧭状提供了一个充☑🥫满希望的机会📥🎇。
