來自 Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞)（@teortaxesTex）的推文串

順便一提，我剛剛注意到 DeepSeek 的「由自我原則性批評調整 (SPCT) 賦能的生成式獎勵模型 (GRM)」檢查點在某個時候發布了。 這仍然使用Gemmas和V2-lite + V2.5作為教學模式。想像一下，如果基於V3.2，他們的GRM會有多麼出色。