（来源：上观新闻）
策略优化🦕层面，Cla♑wGU🇵🇰🧀I-RL支🏴持GRPO🧜♂️、GiGPO😗等主流强化学习算🏰🔚法，并🔋🦇提供统🇵🇹🧑一的训练接🇵🇫🇱🇻口，方便🧘♂️🚒研究者根据任务🧿特性灵活切换🦑🐗和对比不同优化🐥💛策略🔸。
）📽🌪。这三件事👩🕗放在一起🥶，构成了一段持续🦟✝将近十年🧫🕹的关系史😞。Ant🚻hropi👨🍳c和G👑oog📄le已🌽经转向他们自👨🎓🤳己的加速🙂器，比如🐾🕶TPUs和Tr🕳ainium🇻🇬🎄。基于这套流🧸水线，一个仅2B👚参数的小模型C❕lawGU🖱🥴I-2🔘💈B，在Mob☢ileWorl🎫🎪d基准上🖼⛎取得17.1 🦵SR，📥💂♀️大幅超越基线😣🇺🇳的11.1，达🧗♂️🏰到了接近8B🐽🏉模型的水⛲🧝♂️平2️⃣🇬🇦。
