（来源：上观新闻）
过去很多人认为，🧟♂️只要语言模🇷🇼🥫型足够强大📋🍼，给它更多📝🍖时间和更多"思🤗♎考"机会，⏹🇯🇴它就能自然🎊🤰而然地完🔴成更复杂的任🌽务◽。梁文锋在其🏝中🇬🇪🤥。这个约束带来两个➿好处🍎。DC 没有🎧👩👦👦依赖“猜测”😽🚡。Q3：TRA🔖🐕CE和直接在📨👦目标场景🦡🕔里做强化学习训🍅🌝练有什么区✝🕶别？ A：直接在🍀目标场🌠😘景做强化学习（G🎮RPO on↘ Targ👞👨👩👧👦et）训练🏴时，模型从任务📩整体成功或失败中🚄✉学习，无法📈精确归因到某种⚖⭕具体能力，容🐠易陷入不稳定或过🧡🦁拟合🚪。
（4）👗正确性与验🇸🇸🏀证 在出货量达数😝⛳百万颗芯片🚔📧时，“凭感🔀➕觉设计芯🐓🧮片”是行不🇰🇵通的😣🎾。行业分🧚♂️析指出，此🕠🤰次危机的影响将呈🛁现明显🖥分化🦷。接下来，⛔⏸我们一个🎑个看🗼🌌。一个训练了两个🎃万亿参数MoE〰🍔的团队公🥭📒开承认「我们不🍒知道为什么这两🌮🍺个trick管🇧🇭👀用」，在2026🚝🔬年已经🕢🦆是一件挺稀罕🎺🛬的事🇹🇬。
Suresh📰 Krishn🤭🦢a 对此🇱🇨📥表示赞同，🇧🇼并补充说，🇦🇮🇸🇬随着智能体系统🤕处理更复杂的设计👨🏫，Desig😒n ConduⓂ♠cto😢r 的蛮力方法😢🐆可能会变得效率🇫🇮🚿低下🐒🇵🇭。
