（来源：上观新闻）
一、层层递🇫🇲🕠进的"🇰🇮🇨🇮瀑布式"训练🇨🇮🔤法 研究🈚💻团队开发的核心创🇱🇷新是"瀑👨🏭😋布式强化🆎👩🎨学习"，这种🥂🇺🇸方法就像教🤴一个孩子学习一🤬样🕙🎂。在Eco🌎看来，端侧大模型0️⃣🇱🇻能力的持续进🍕🇬🇮化，以及端侧😨芯片算力的跃升，🥼👨🏫将推动端侧智能💡在未来1-2年内🐶，迎来爆发临界点🥜🇸🇦，成为A🚟GI时🚎代的主流交互入🏋️♀️口9️⃣🇹🇿。Cou🖍nterpo🛸int Res🇹🇯earch副💭🇭🇰总监Ethan📡 Qi在采访中🎒🧛♀️也表示🔭🐓：中国完整的🌾供应链体系，使从↙业者能🥨🗓以明显低于其➿他地区的成🇲🇳本开发和制造⚜🌩机器人🇰🇮。
对于普通🏴🥜用户来说，🇰🇪这项研🛰究的成果🔀意味着😿🏨未来我们可😬⚒能会看到更多高性🔐🚀能但成本相对🙎♂️较低的AI产品◼。这种选择策略➿🎦就像一个👯♂️优秀的健身教练为😲学员安🙅排训练计划➰🐫，既要🏖🎶保证训👁️🗨️练强度足以🍀促进能力提👁️🗨️🇲🇿升，又要🤪🔊避免过度训练导🍙致的伤害🇯🇵💇。
这种严格👎🌵的数据👰质量控制确保🛌🇺🇾了模型学习到📄🚍的是真正有价🔥值的编程模🚐🀄式，而🚇不是重复的无效📛🇮🇹信息💼🇵🇸。“调度瓶🖐颈、通信🍟与存储性能🥵🙃短板等问♟️🇲🇽题，均会⛪影响算力释放效👨👨👦👦🚢率，拉🕒低单位算力的🥴💀Token产出⚰效率🇳🇷。通过这种方式，Ⓜ🇭🇳WALAR方法🔄⚒能够在1🐁👩👩👦01种语言的超🔷过1000个翻🧝♀️译方向🇰🇭上同时进行有效🥑🤙训练，这在🚚之前是💂♀️几乎不🐀🐴可能实现的🇦🇱。罗福莉认为🐡🖼，Agent🎊🚜框架的重要价值🦖在于，把国内那❄些还没有完全逼📌近闭源模型、但🔨🎽已经位于开源😹模型赛📹🇬🇩道前列的模型，上📊↩限显著拉高🇼🇫🥠了，绝大多数🎤场景里👹，国产开🇮🇷源模型🔁🍩的任务完成🚯🍢度已经非👩🌾常接近Cla🖨ude最🧝♂️🈷新的模型，同时🍸又把下限保🎄障得很好🙎♂️🔅。
