（来源：上观新闻）
这是个🍎巧妙的🇲🇴🚷工程处理🧟♂️🤷♂️。Muon优🌭化器 V4训练🍤中绝大多数参🚓数优化用的不是A🇲🇴😻damW，是🍙🇬🇳Muon🚬。这个优势信号不再😡分配给推理过😃📉程中的😖😷每一步，而是🎹㊙均匀地广播给整个🤲推理链中的🚂👲所有步骤👮♀️。其实最近大🚧家在聊 Har🧻🇷🇸ness ⬇Enginee🐞⌚ring 的🇸🇸时候，肯定会聊到📗🇲🇷 Multi🍦🍄-Ag🛡ent，🇨🇦为什么 Mult🐯i-Agen😃🛃t 这么↖💵重要？ 这个概🎰📰念两年前就有了😸⛰，那会✴儿我不😶太看好🐩🇸🇬。
风波未定🇲🇶，第二💖天就官宣A🤾♂️I奇幻电影《惊🤛👮奇少女》，给本☢💌就沸腾的舆论添了📃🧟♀️一记猛料🇮🇳。在Pap🚒erBench😉上，平均分下降了☦👗6.41🏞🥢分；在ML🧂E-Benc🖖🧵h Lite上，⛵任意奖牌率♎下降了31👨🦲.82🌮🗨个百分点🇵🇳💨。K2.6 我深度🎾🕑用一天了🈷🇪🇹。既不漏🎢细节，也👂不被细🎄节拖住😰🇹🇨。**六、不🥏只是纸上🚯🇺🇳谈兵：在💞经典游戏💓♈控制任务上📖🈵的验证** 🛩🕹为了排🍬除"成功🎗🍕可能只是因为在🇦🇿🛤某个特定训练框🆗🗿架下的🛑🥶系统优化"这🙈💔一疑虑，研究团队🇬🇺👿把SPPO移植到🇩🇲了五个经典🚳🌔的强化学习控制任🏅务上：精密😎版Ca⚾🇰🇵rtP🇯🇪🔎ole（控制杆子🇻🇮😌不倒）、Mou🌞ntainCar😐（让小车爬🇳🇬上山）、H👩❤️💋👩opper（👥双足机器🌝🎾人前进）🔡👉、Luna🇹🇩🏋rLan🎈der（月球🚡着陆器着陆）和🇰🇼Pendulu🔘m（保持摆杆🐖🏷直立）🐔💜。
第一种🇧🇮🧟♂️方法叫CORE-🇹🇨TSV🎟融合，把分别训练⛓seo公司好的各能©力插件通⤴🇮🇹过数学方式直接叠🐲✨加到一起，🔱🌪得到47.0%的🏮基准，但结🧝♀️果只有3⏳9.6%，不如♣任何单一专项😢🔉训练插🚯seo公司件☁🔒。Q2：PANDA🕗📛模型和GPT🍋➕-4o这类📼😭大模型相比有什🏌️♀️🚗么优势🚴♀️⏯？ A🦔🛁：PANDA的💧⬇参数量只🗃👩⚕️有0.028亿🐜💕，处理一对图♌🇭🇷片仅需3.53🦎👇秒；而G🎃PT-4o等🏆ℹ大模型参👨❤️💋👨🎶数量达数百亿甚至☄🍬更多，🗿🇧🇲且在区域🥽级质量比较任😆务上准确🦐率仅26%，接近🤼♀️🕰随机猜测的20🍅%🎩🇮🇷。
