（来源：上观新闻）
强化学习可以看成🚸两个阶段📧⏳：先采🌅样，模型🌃生成回复🐘；再打分，把结果🌇👗拿去训练🎄。赵晨阳：商业上我🇹🇦🚣很喜欢视频🆙生成的🇶🇦生态🅾🇵🇦。创造万物却不占为🎎🎆己有，功业成就却🐗不自我🏐🐘夸耀🚣。”这种论调听起🐔来令人宽慰，仿佛🐨seo.只要守住这些所🦋谓的“人🦅类特色”，我🏑们就能在算法👠面前保有一份天🖥0️⃣然的优越感🏖💌和尊严☢。
一只深海🇧🇶🧮鱼的压力感🥉🐤知器官在海底是卓🇰🇵越的生🕴存工具，放到陆🐳💢地上却成了累赘♋；人类偏好即时奖😟🧢励的时间折🦞🍴扣机制，在远古时✋代有助🔰于抓住🚂📨稍纵即🇲🇫逝的资源，🧥🤦♂️在今天🗝📸却容易被短视频🇱🇨🐬、点赞和限时☃促销所劫持，🧕🚑损害长期🇨🇷积累的能🇹🇨😄力📶。
和训练相比，🚞推理对响应速🇰🇮度要求🔐😋更高☕🇨🇲。因为 Mu😺🦛on 是🐒🗨基于矩😫阵更新的（矩💆♂️👨👩👧👦阵是二维的）🇧🇴所以训练🔰时涉及一维参数👞的部分📑⏏仍会用 A👩🎨🌴damW，这就有🆓一个二者之间🛒🌎的学习率的比🇯🇪例问题🙇♀️🇹🇩。当然，🇨🇭昇腾能🤒🥡走到今天，也不是👨👩👦👦华为一家的事⚾8️⃣。DeepSee💝k 在后训⛺💆练里做了 qua💰nti🦖2️⃣zation✍🥍-aware t🥈rai😼ning，即训练⛔时模拟量化💉、采样™🇬🇵时真实量化🔻。
