（来源：上观新闻）
你会感📆😿觉自己仿佛脱离👚了强化学习回路的🏰👖控制👦。我认为这😌🏷是公开信息，⛔我曾在网🇬🇲上说过，海量🙂的国际象棋数据™🚥被纳入了预训练集🍵🙎中，正因为这🚶🍐泛站程序些数据分布的🌲缘故，↙模型表现出的提升🏳远超其默认水📧平🚱。传统计算机能轻松😝自动化的，🉐是你能用代码明💁♂️确描述的🥉东西；而这🍪☹一轮大语言模型能🌈轻松自动化的，是📞你能够验证的🛤🉑东西🐐。
Andrej K😢arpathy：😜🥧你好📊👛。智能体会观察🇨🇿你的环🇨🇮🦸♂️境，自动✴🐦调试并在循环中🇲🇲采取行动🇷🇪🎫。固化为本地应🏺📐用后，优势明🌞🦹♀️显： •🎒🔮 代码🇲🇿🤣部分在本地🔄✋运行 —— 零👧😜 Token 🎋消耗🇶🇦。Steph🦘anie☠ Zhan🤚⏳泛站程序：我的确认为👥✝这种推演看起🎶🕑来非常诡🍬异，因为🗜🗺你基本上可以设🧼想——🚿我并不认为，你可🏠以从某种意义上设🔐想完全基于🥟神经网络的🇱🇧🔬计算机🔺。
这类细节现🥄🇱🇧在都由实习生来💏🥰处理，因为他📄们的记忆力🥩👩🔬非常好⛸💇♂️。一切都🥰是可自◻动化的🧮。而一旦问题🔗🦐变成利☺🇦🇨润问题，📭🤠企业就不🇮🇩📁可能再只🏠🎌盯着模型参数和G❕👜PU数量*️⃣🍓，而必须开始追问🎀👩👩👦👦： GPU是不🦸♀️🚸是被充分利用👨👩👧👧了？哪🕴泛站程序些任务必须用G🔟🚊PU？哪些👨⚖️其实应该交给C🍡🏄PU？整👝套系统的🧽🛴吞吐率和资源🕵️♀️🕸利用率到底高不👨👦👦🤢高？ 这正是C🚵♀️🇸🇽PU重新🔜变重要的起点📷🍇。
