（来源：上观新闻）
刘益枫：不过，也⚠有用户反映🇯🇴🇱🇮，V4🅰 在解🏉决同一个问题时🚤👙，to⚠ken*️⃣ 消耗🚀👨🦱比之前要大🦶了🍾🍥。这个部分有什么亮♈点吗？ 刘益枫😣：一个亮点是🌁❄预训练先分裂专家，再做😍 on-🛄9️⃣polic👩🎤🔀y d🇷🇴ist🗝ill🔣atio🤟⚗n（在线策略蒸🇭🇳🐒馏，指在当前✏🐣模型实际采样分🤭布上进行蒸馏，而🙀🏔不是只依赖离🤵线固定🇹🇹数据）📠🇨🇬。
打开任何🌥🇩🇴一个短视频平👟👰台，你会感觉📮🇹🇦自己在"自主选💁♂️🚘择"内容——刷到💖喜欢的停一停，🍬不喜欢📳的划走8️⃣📲，这不〰正是你的直🦚🅿觉在工作吗？👞🇮🇩但这个判断🌆忽略了一🔺个关键事实🐲：你的每一次停顿⛪、每一次划走、每💃一次点赞，都在给📅🐯算法提▪供训练数据，🚐而算法用这些📯数据构建的模型，🥙🕚反过来♋🦕决定了📝你“下一条将会🔰看到什么”🐺🦟。
承认我们的时间感🇧🇯🇩🇴知是扭🇩🇯曲的，📶不是要消灭📊👨🏫当下的享🐏受，而是要有意✡识地为"重💰◽要但不紧迫"的🧨事情建📊立专门的🙈🚊保护机制，对🦊🍕抗那个🆚🇺🇿持续侵蚀我们😇长期主义🎎☪能力的💨🚂注意力争夺系🗽⛹统🤥👩🦳。“要平衡安全与🤑便利🚫。联合训👨🍳练就相当于🧧在多目标 los🇷🇪s surf🏳️🌈🇬🇮ace（🇵🇷📜损失曲面，🥕🎨损失函数在参🇦🇮🇳🇱数空间的几何🙆形状）上找 P✌areto👴❇ 最优（🦹♂️帕累托🇱🇻⬆最优，无法在😗🦂不损害其他目标的👿🐮前提下进一🧫步改善任意目标的🧝♂️💉状态），但🇻🇺🥚工程里很难同时🚠找到，因为🥵😒梯度走向复杂，目🔦🧞♀️标冲突📼严重🐄。
