（来源：上观新闻）
部署中🏣的模型表现会🚈随时间😚🇹🇬变化，而且🏢变化轨迹🔔不一样 今🐉🌑年2月发表在P✖📿LOS O🕍✊ne上的一项纵向⚙研究，用固定🖌🥭prompt连续🇱🇷😱10周追踪了🐚🇨🇩多个主流模型🙍♂️⚪，得出了一个▫🕯很克制也很扎👩🍳心的结论，部🤪🕉署中的大🕦语言模型确实👩🦰会发生可测量🇹🇯的行为漂⏬⌚移，但因为厂商👨🦲不公开更新日志和🦶训练细节♥⚰，对观察到的退🐧🇷🇼化做任何归🚥🛁因都纯属推👥🍕测🗜。
1 普通用户几🛅🔌乎无法归ℹ因 AMD🌲🐕总监能发现问题🇬🇦，是因🕡为她有4️⃣🛅一个工程团队和☠近70➿00份sessi⛎🤷♀️on lⓂ👖og🇱🇦。但如果这样，D🏫eepSeek还🔉会是一家传统意🌆义上的大🎻📡模型公司吗🇦🇴？ 似乎✒，DeepSee🇬🇷🤯k正站在🇿🇼🐇一个十字路口上🚔🕑。我们做高速马达，👳🇸🇦现在做到每分钟🔯 20 🏆万转，远超戴森🇳🇺的每分钟 12.🏔5 万转🎴。一是大模型让机器❔人实现了对◼🔷世界的理解🈹🏗与泛化，二是机🔉器人本体👼跨越可靠性门槛、🇦🇲🏓达成年😻度大几万💪台出货的规模化⚡🔉量产能力，三是👩✈️部署规模扩大将驱🌇动数据飞轮进入🤛♋指数级加🍥速阶段🇲🇵。
