（来源：上观新闻）
研究团队测试了📡👨👩👧用15亿参数模型🛢🐎作为价值模型来🆗⤴辅助训练70🥇超凡蜘蛛二免谷歌亿参数主模型，两🇻🇳🗜者相差约4.7倍🍀。这或可🇲🇬在两位🔕🕣主播25日的😀发文中可窥见些许🇴🇲端倪👨👨👦👨🌾。
目前，科🕺技巨头🦝正在积极寻求🎫👩🏫替代方案，以摆脱🚯对英伟🇯🇲🇰🇲达和AMD价格高😶🐕昂且供应有🌕限的GPU的依赖🤼♂️🚱。当AI作答完毕，🛩🐳得到"对（1分🥾）"或"错（0分🌾）"的结果后，S🌤PPO👨🍳👩👩👧👧用一个极简的公🇬🇲式计算优🧽💐势信号🇧🇾👋：实际结果👨🦲🇱🇸减去预估概率🍚。
（2）🦞上下文管理🧜♂️ 数据中心必须😪提供LLM🚤所需的信息，😯🇵🇰以便它们做🔣🇼🇸出正确的决策💏🚃。这个约🍸🇵🇰束带来🚁🇪🇭两个好处🦢👩🎤。在标准PP🙅🆑O中，那🅾个"打分员"📒🛣（Cri🚳tic）🇧🇾🥋通常和被训练🎐🇷🇴的AI模🏬🕟型一样🗝大🇮🇨。
