（来源：上观新闻）
更聪明😿的懒惰 在🐍👩👦演化生物学🔸🔅中，趋同进🎵化意味着两🇳🇨📍条独立的路线，在🤶🔉没有直接交🛒换信息的🌋情况下，走向🇸🇻🧩了相同的终点🦈👨👨👦👦。没有开发者觉🧶☺得值得🇻🇳🛸为非标性🕊需求买🇬🇾🕡单📐。这说明中间训练🇧🇲带来的不💼📏是一个一次🎚性的"开局🇲🇳🛤优势"🌹，而是对模型🇨🇬内部表示的根本🦘性改善，这🚏⚖种改善在整个➖后续学习过🗡🗂程中都在发挥作🏋️♀️🧭用🏳。当模型接🕳🚂收到一句®话时，它不再🚝🧕急于立💞刻给出回应🇦🇲✅。研究团队采用🕌了一种名为🚫REIN🦆🍄FORCE的奖励🏋️♀️🐨机制来充😁当严厉的裁🛶📘判😈。研究团队从这些🗯1️⃣分数中👁筛选出得🌭分最高的约12🕛0万个样🇦🇨本，构成🧣🇬🇼中间训练用的精🇷🇼🕷选数据集🗄📤。
但把它放到全球 🐹💿AI ⛑😼产品的定价体🤾♂️系里，结论会变得🇧🇿🦵完全不同🇧🇴🧚♀️。Els🆖🇩🇬er.AI 从🦜一开始👮就围绕这群🇳🇿人设计——给 💃Prosu💿🌅mer 更高🇨🇫效的生😂✌产工具、更🎒确定的分发路🙃径和变现机🛁制，本质是先做🐫“供给🤤🇲🇬侧”，而不是扩张🎬用户侧🚋。而能直接从项目代🍱码里查到的事实🔂🧣（比如某个函数🈁⛄定义在哪个文件里🇰🇾🇪🇷）根本不写进记🖊忆🤾♀️。三、思考🍟时间越长，🎧🏑回答越显🍆🕟智慧 经🍨过这套复杂机🖌制的训练，🕠Quiet-S🧚♂️TaR展👵现出了令人惊叹的🚲成长潜力📷🍿。第三种替代😁方案是VL➖🌖A条件困惑度：🏸先把VL🔔❌M在文本🤡🐎形式的VLA数🇻🇬🇰🇾据上微调一遍🔪🦓，然后用这个微🚬🎮调后的模型对候选🛳VLM样😰本评估困惑👩👩👧👦度（困🤕惑度可以理解😌为模型对这🕔🥕段内容的🔃"意外👫程度"🇰🇭，越低说🗯🚱明越符合模🐧🇹🇿型预期）🌿，困惑度越低的🐩👩样本优先入选🕵️♀️。
