（来源：上观新闻）
在当前AI⛴👩🦱发展的大背景下，🐮🇩🇪许多研究团队都在🚑追求更大规模的🆙模型，动辄数千亿🇱🇹甚至万亿参数🔌👵。OpenAI仓🈲促推出了🖥自己的👏编程产✅🇨🇮品Codex🧹新版本，却👨💼仍难以弥补差🌟🈁距🐾。团队收集了180🇫🇮🇵🇷万个带有P🇿🇦yth🤢😳on工🤕🇸🇴两个人的视频全高清具调用的数学问💛题样本和🔸🧳190😀🇿🇦万个不使用😉🖖工具的⛲数学问题样本🧑。未来第一批稳定运☀🥅营的太空🤢算力设施🦎🐣，到底什么时候能📶😹真正出现，能做🤾♂️😳到多大规模🔔🐧，成本能不能降🚶🤦♂️下来，现🕠在都还没有答案🌿🌭。
而在海淀，🇨🇾这条路径正🧞♀️😀在被逐步打通，🏭💞并形成一种相对稳🏨定的结🔻构🇬🇾🛍。由于每个⛽🦐训练阶段👨👨👦👦都专注于相似类🏞📥型的任务，模型💨生成的回答长度🦗📉和验证时间都🧦比较一🇹🇫致，这大大提高了🔎🕜训练效率🗝🍍。在英语到😨🗜未见过目💹🔍标语言的翻译任务🐗📹中，WOLAR训📘🚙练的模型平均xC🧹OMET分数从5🛐🧀两个人的视频全高清1.1提升到了🥭72.7，🎨这种大幅度的改📮进表明模型😿学到的不是特🐑定语言对的🇸🇧🇳🇴翻译规律，而是👳♀️更加通用的多📦🥀语言翻译原理⚙🇦🇸。这让奇瑞👦在这一细分环节🥋🇧🇫的成本每年降低了📞约500万元🇱🇻🦇。
