（来源：上观新闻）
但不少🇧🇹创业者都给出了🍰💃乐观的答案🐤😃。团队提出的高🌑速推理🧴引擎PowerI👮🚒nfer，目前在🍌GitHub🃏上已获得🤸♂️9k+ s🇹🇨tar⛔三人荫蒂添的好舒服A片。高博士⛄发现，谷歌的 🤽♂️🇵🇰Turbo🐼🥄Quant🇳🇱 ，跟自己团🔶队搞的 RaBi📨🧰tQ 算法高☮🥅度撞车，底🕡层都用🇮🇳🚴了“随机旋转🇲🇶加JL变换⁉”🇪🇹。
而现在🥋🎖，大模🇬🇭🚌型来了🇦🇩。六、训练细🏃♀️节的精🧣🇬🇸妙设计 整个训练⌚过程的⚡设计体现👱🧟♀️了研究团队🆖的深刻思考🙍。其基本逻辑可🐻🧣以表述为🤘：利用西部低至🚇🖥 0.3 元🇬🇲🤷♂️每度的电力🤳🦸♂️优势驱动大规模智🇮🇹🇻🇨算中心，通过⚫算力芯片将9️⃣🚅电力转化🚥为可交易的词元，🛥再利用互联网的零👨🌾物流成本特征🦀，将这些“数📒字产品”🦍卖向全球✔。但不少🇨🇬⚽创业者都给出了乐🇲🇷©观的答案🇭🇺🕖。你们说😟有了这套算法🍏👲之后国外的模🇬🇶🐔型会不会想着扩🏊♀️大优势，国产模🐍型会不会想🤼♀️着奋起直追？ 🎶到时候各种🥂多模态、长上下文⬆的应用大批量上👔线，因为更好用导🥶🇫🇴致用的人和场🍲景成倍增🎂加，全球真🇹🇹🥶正需要🌫的算力🏓和存储硬❎👷件不仅省不下🤸♀️来，反而还会被巨📨大的需求🚒🚽量直接拉爆◀。
具体来说，团队🇳🇬发布了三个主要资🚜源：Nemo◻tron-Ca🐑🐯sca◼de-2-30B🇭🇷-A3B模型🇵🇸🇳🇷本身，这是♻基于Nemotr😄👩👩👧👧on-🍸3-Na🇮🇲no-30B-🇹🇱A3B-Base✅🚹进行后训练的最终🧩模型；Ne🚴motron-C🎈📴ascade🌑-2-🍚🤾♀️SFT-Dat7️⃣🤦♂️a，包含了监督微⏳调阶段使用的所有🧔数据集；Nemo🇨🇷⚗tron-Cas🌳🏂cad◼e-2-RL🧡-Data🚮，包含了强化🌩🇦🇼学习阶段使🐵用的所有🈹🌴数据集🃏。
