（来源：上观新闻）
一个值得关✳注的细节是，加了🐠🇹🇫NUMINA的🍎🕯1.3B小模🍢🦏型（49.7🥐🇸🇮%）居然超过◀了完全没有🚽⛷任何辅助🎣🍽的5B😟💸大模型（47.🧝♀️8%），这说明N🏂🇲🇷UMINA的引🇰🇷👨🔧导效果弥补了相📅当一部分参数量💣带来的能力🦚9️⃣差距🦋。“如果未来算力提🐦7️⃣升1000倍🇦🇹🇱🇾，你能用🇬🇲⚡它做什么？😩☕”导师向🇵🇰他提出了这个问🛰👴题👅🧞♂️。
目前，大😕✏多数国产芯片厂商🕰🇸🇸提供的是对C🇸🇸🧖♀️UDA生态的兼🇧🇬容方案，🇬🇷♏但对于已经深入P➿TX层优化的D🙅♂️✡eepS💵eek而言🕢，这种兼容并✂👒不成立🇧🇱🌄。训练一个真🧛♀️正的世☑界模型♦🇹🇷，需要海量的“观🔍察、动🇬🇺作、结果”三元组🌩🇱🇦，但现实中没有✡这样的现📪成数据集💁。用AI来写文🚗🕉章，确实效率很🇮🇱高🥴🇭🇷。在这个极度压缩🍨的微观世界🌤里，两个🚙相邻的同类📓🔚物体（🛢🌑比如挨在🎀一起的🚐两只猫）在AI🇮🇳眼中极难😚🍊被区分为🇩🇿两个独立个👯♂️体，它🇧🇲🌎们的"边🙅♂️🛡界"模糊不💈?成人?综合?另类清，自然就会导致🍼数量混👞🛍乱🔖。
