您好：辅助神器“ 小程序微乐四川麻将到底有挂吗
”(辅助神器)开挂详细教程很多玩家在这款游戏中打牌都会发现很多用户的牌特别好，总是好牌 ，而且好像能看到其他人的牌一样。所以很多小伙伴就怀疑这款游戏是不是有挂
，实际上这款游戏确实是有挂的，添加客服微信【】安装软件.

1.推荐使用‘微乐开挂免费软件下载 ，通过添加客服安装这个软件.打开.

2.在设置DD辅助功能DD微信麻将辅助工具里.点击开启.

3.打开工具.在设置DD新消息提醒里.前两个选项设置和连接软件均勾选开启.(好多人就是这一步忘记做了)

推荐使用辅助神器“ 小程序微乐四川麻将到底有挂吗 ”(辅助神器)开挂详细教程1、起手看牌
2 、随意选牌
3
、控制牌型
4、注明
，就是全场，公司软件防封号 、防检测
、 正版软件、非诚勿扰 。

2026首推
。

全网独家 ，诚信可靠
，无效果全额退款，本司推出的多功能作 弊辅助软件。软件提供了各系列的麻将与棋 牌辅助 ，有
，型等功能 。让玩家玩游戏，把把都可赢打牌
。

详细了解

本司针对手游进行破解 ，选择我们的四大理由:
1 、软件助手是一款功能更加强大的软件！
2
、自动连接，用户只要开启软件
，就会全程后台自动连接程序，无需用户时时盯着软件。
3、安全保障 ，使用这款软件的用户可以非常安心
，绝对没有被封的危险存在 。
4 、打开某一个组.点击右上角.往下拉.消息免打扰选项.勾选关闭(也就是要把群消息的提示保持在开启的状态.这样才能触系统发底层接口)

说明:推荐使用但是开挂要下载第三方辅助软件，名称叫方法如下： ，跟对方讲好价格
，进行交易，购买第三方开发软件

　　炒股就看金麒麟分析师研报 ，权威
，专业，及时 ，全面
，助您挖掘潜力主题机会！

（来源：极客公园）

构建持续学习的 Agent 模型
。

作者｜徐珊

编辑｜郑玄

Mindverse 完成由美团领投的 A 轮融资，元禾璞华
、韶音、变量资本和老股东追加跟投 ，历史股东包括蚂蚁 、源一、红杉中国
、真格、高榕等一线基金，融资额近 5000 万美元
，高鹄资本担任独家财务顾问。

一个会持续学习的先进 Agent模型，到底该怎么构建？

在大模型智能上限一路被推高时 ，「持续学习」的最佳答案还是没有出现 。

「真正的 Agent 能力并非来自精巧的提示词拼凑
，而是源自后训练
。」

Mindverse (心洲科技) 是少数把赌注押在模型「内部」的一家创企，它在通用大模型的基础上 ，用强化学习让它从复杂 、多步骤的真实任务中学会如何把事做成
，让模型从「知道很多」变为「能办好事」。

而实现持续进化的关键在于 LoRA 技术，它就像给一个强大的共享大脑挂上无数轻量的「技能包」 ，每个技能包只占极小参数
，却能独立更新
、彼此隔离，让模型以极低成本不断积累属于特定用户或场景的记忆与能力 ，而不是每次从头重训 。

三年前
，当整个行业的目光还盯在预训练上，Mindverse 的创始人 Andrew 就在一篇和姚顺雨合作的论文里写下了一个几乎没人认同的判断：

Agent 的能力 ，最终要回到模型训练本身，而不是靠 prompt 和框架拼出来。

早期 Mindverse（心洲科技）内部研讨会议 ｜ 来源：Mindverse

三年过去
，当行业注意力从预训练涌向后训练，这家公司发现 ，自己一直默默走的那条路
，已经站到了潮水的正中央
。很快他们将开源自己训练的 750B agent 模型，这也会成为全球第一个在 GLM 5.1 上完成强化学习后训练的成果。

看准这件事很早 ，公司团队却不大 。Mindverse 核心研发约 20 人
，成员来自 DeepSeek、字节 Seed 、xAI，也有清华
、MIT、杜克的背景 ，累计发表过 200 多篇顶会论文
。

两位创始人陈锴杰 、Andrew 从 2018 年就一起休学创业
，做过机器人
、办过实验室，又各自回到学校 ，2023 年再次走到一起。Andrew 抓住了从 agent 训练到先进 agent model 的技术范式
，首席科学家马骁腾带来了十年的强化学习积累，而陈锴杰则主要关注业务模型的应用和用户价值判断 。

在和陈锴杰这场对话里 ，我们想弄清楚的是：如何用后训练的方式，训练出一个便宜、好用 、还能持续成长的模型？

以下是极客公园和创始人陈锴杰的对话
，经过整理：

01

模型变强的下半场，在后训练

极客公园：这一两年 ，行业的注意力肉眼可见地从预训练转向后训练
。后训练这件事
，是什么时候真正变重要的？

陈锴杰：今天预训练和后训练的边界已经越来越模糊，预训练阶段也会混入大量 Agent 轨迹数据。但大体上仍然可以这样区分：预训练主要利用互联网数据建立对世界的基本认知 ，后训练则把这些认知转化成具体能力 。

真正的分水岭大概出现在 DeepSeek 发布 R1 的时候
。那是行业第一次看到强化学习能够系统性地推动大模型能力提升
，也是后训练地位快速上升的开始。在那之前，后训练消耗的算力可能只占预训练的 3% 到 5% ，现在绝大部分模型能力的进步都发生在后训练阶段 。

一个重要原因是
，行业开始积累此前互联网中不存在的数据
。Claude Code 这样的产品里大量真实任务产生的 Agent 轨迹开始被沉淀下来，成为推动后训练持续演进的重要基础。

极客公园：后训练真正解决的 ，到底是模型的什么？是能力
，是对齐，还是让它「学会做事」？

陈锴杰：是在「对世界的基本认知」这个底子之上 ，去增强它在真实任务里的能力 。预训练给了它知识和世界观，但一?