（来源：上观新闻）
奖励曲🇪🇬线：大🇺🇦🇬🇷语言模型在强化学⏸习阶段的核心监🚼控指标，反🇲🇲📢映模型🕍🇧🇪在特定任📶◾务上的表现提🕵🚩升过程1️⃣🇫🇴。“要平🈂🖌衡安全🐽🔘与便利👖。我们 SGL🔅ang 🙇♀️团队也📏针对推理🛡👨🌾场景的小🇵🇰批量解码做了 🌱split-K（😌♏把矩阵乘法中➗🌖的 K 维度拆👩🚒开并行计算🇵🇲🧱，以提升🛁✳小批量场景下的🇨🇵➗硬件利用🇻🇨🚈率）的 T🧛♀️👩🌾ileLang ⏬🇸🇷版本🇱🇧。
两位播🙇🇰🇷客嘉宾，一位♾️是 UCLA 在🔬读博士刘益枫，📿他是模型架构🤕🇻🇬背景，曾在 Ki🍾mi（月之暗面🧲🌔）和字节 Se⏩ed 实😊🚏习，参🌽🦎与 K1👁🇧🇿.5 研🥃发，也🦹♂️自己做过优化⏪器🤴。如果真的存🇲🇱🇰🇳在暴利，🇷🇪那胖东来确⛰🧛♂️实该被批评；但😜👩🔧如果只是🛀正常的🗼🤯品牌定价，🇨🇱👲那博主这种刻意🏊放大定价反差🌒、引导舆论的行为🇰🇾，就有点碰🛰瓷的嫌疑了🍞。
截至今➗🇨🇩年2月，🙍♂️特斯拉在马斯🌁🤱克身上的安保支🇧🇯出已从去年同🍘📲期的50万美元增🏪至130万美💕元，翻了一倍🇻🇦多💩🏟。我们还是很高兴⏰能在这👈么大的 MoE ↗💮模型上同时做好推🕸🏴☠️理和 RL，并🎰把一致性做到极😰致🌾🗾。模型好了，🎀🤱上下文负债还🐊在 回到文章开头🆔那家上市公司👻。你们觉得大家现在🔢🇿🇦努力的共性是什么🚖🐓？ 刘🍡🍯益枫：开源模型🧣的方法和架👙构在趋同🎀。
