（来源：上观新闻）
Q2：什么🇿🇦是瀑布式🧝♂️⚫强化学🎃习方法❔🥼？ A：瀑🇳🇱🈯布式强化学习就🌠像按顺序教孩子学🏇🔽习不同技能一🎊样，先学基💇础的指令理解🆔，再学多领域知👵识，然后学🥺🎴人类偏好对齐，最⏯📑后学专业技📘👩👦👦能如编🇲🇽程和软件工程😯。以斯瓦希里语翻🇱🇺🏗译为例，W🇩🇰🍖ALAR训练🌁🇵🇷后的模型在各🇧🇦🐧个方向🇨🇨上的xC💆🇧🇩OMET分数🍌从54.💬00提👨👨👧👧🐮升到了60📉.31🐰。如果不是谷歌🧕🈹 Tu👛rboQ🇬🇮uant🏗 的搞了这样一场🏀📡闹剧，🏮🇰🇭我都没发现我们🇧🇳🇰🇭忍 A🇦🇸🎯I 这么久了🚼📦。
我们正处于从“以🧨系统为中心”向“🇰🇵以数据为中🏞心”转型的🧞♀️🖖临界点🍡🖊。它证明了通过精心💦的工程设🧚♀️🧟♂️计和训练策略🧔🇧🇶优化，🛩🇮🇷相对较小的💵模型也能实👩🎤⛩现卓越的性🎷💡能🆎🔭。比如，英语中的👨👩👧👧"happy✒"可以🏟与中文的"🇺🇲快乐"配🇮🇷🇾🇹对，即使❓🇩🇲它们在字面🦒🌚上完全不👨⚖️📰同🇭🇷🇵🇸。为了搞清楚🇧🇻➖咱这个最🍖⚓朴实的愿望能不🚯💡能实现，我🥌👩💻还特地🇲🇳🕴去做了点功🇭🇹👨✈️课，学习了下🔔👑 Tur👁👐boQ🇨🇺🦏uant 到底是✊个什么东西🥮。
