（来源：上观新闻）
人类专家🆗🏣在评审模型的数学🍴证明时🇾🇪发现，有🚵🎮些证明虽然完🇦🇴📢全正确，但比🎼必要的步🔊📰骤要多，有时包🇳🇪🦹♂️含一些🍄💭多余的中间步骤🤘或定义💱。这让模👁型能力可以👩👩👦👦😵进入到⛹️♀️更细碎、更🦃🍵具体的行业🍭⛩角落👨🍳。研究团🏜队引入的"🗞多领域在线策🏐🌵略蒸馏🐓"技术巧妙🇰🇮地解决了这个问题👘🧂。AI对情感的🇴🇲💖识别，🇮🇹😏特别是对语音交🌳互中人类情感的🍽🔊识别，😪是近期阿问的🇦🇺➗研究方🦆向👨🎽。比如，🇫🇲某些简单的🇬🇵⭐任务，🌍就可以调用🈲本地部署在🚝🇺🇳EdgeC🔠law 🦏🥅Box中👊✏的小模🖋型，不用联网🇧🇫和额外🇳🇺🇦🇮消耗T📦🚾oken🔤🌡。
在AI法官😴的评估中，W💥ALAR训练的🔬模型表现更加突⚪出⛄🇬🇼。多领域强化学习阶📵段涵盖了科4️⃣🇻🇳学、技术、工🇭🇷🇲🇲程、数学👩🎓等多个领域，👅🍙但研究团队发现这🦜🏨些领域🐳🕰的训练任务在响应🕣长度和验证🧲📙时间上🌗比较相似，因🍆此可以放在一🍝起训练，既⏏🇩🇴提高了效👍率又避免👍了技能🎆冲突🇷🇪。目前产品🎨已进入官网预售☃阶段，定价👩👩👧👦🇸🇩为799美元🇰🇼。就像为学◻🇬🇦生准备习⚽题集时，要确保每🇹🇲🌬道题都有🍕其独特的学🚥习价值，而不是🇬🇭简单的重复⌚🔓。虽然Exy✏🍏nos 2🦔📇600😼峰值功耗可🔣🏟能只维持几秒，🔶🥵但这显示Gal🇸🇯🍎axy S🏟🎇26在长时间🔼🇬🇵高负载🤖⚪运行时👩⚕️可能表💀现不佳，因👧📓为Exyno🇲🇼🍟s 2600的整🍅体功耗偏高🕠。
