（来源：上观新闻）
研究团队测⚠试了一种极端组🕧🚾合：用一个只有🔌15亿参数👩👧的小模型（De🏞epSeek-R🆚🇹🇲1-Distil🎆l-Q🥤wen-1.5🏉B）作为价👏值模型，去辅⏺助训练👘一个70🧣亿参数的大模🥅型（De🇨🇫🛡epSeek-👝💇♂️R1-Dis❕till🥄-Qwen🇳🇱🍗-7B）😧。
由于这些成本和挑🏁🕊战，许多芯💗片市场由少🆙⚫数供应商提🧗♀️供服务，初创企♻🇱🇧业进入该🇹🇱💄领域的情况比软件⌨行业更为罕见🍗🥡。V4的做法🌌叫mH🕋🔰C，把矩阵🇬🇶🐬B约束到🍜「双随机矩阵🎍✂」的流形上👩👩👧👧🇼🇸（数学上叫Bir👭khoff p➗oly🇬🇩tope），行🕸和列都归一化为1🕟。
测试结果显示🚍，在难度最高7️⃣的Ho🕤🇷🇸pper和Mou🧤nta👇inC🤒ar任务上，标🍹准PPO几🥙🐏乎完全失⬅败，成🥺功率停👽在接近零的水平；🔃而SP🔞🧺域名泛解析自动生成二级域名PO成功解🦴📅决了这👛两个任务♌，成功率稳步攀🏖升🤒。
