他抬手揉了揉眉心，感到了一种前所未有的棘手。

这姑娘，绝不像她表面看起来那么乖巧懂事。

屋内重新安静下来。

江倾站在客厅中央，看了眼墙上的时钟，刚过晚上八点。

他走到书房打开电脑，准备处理一些积压的邮件。

几乎就在同时，手机连续震动起来。

他瞥了一眼，是公司大群里的消息刷了屏。

“白皮书发布了！”

“官网访问量激增，技术团队正在维护服务器。”

“微博热搜第一！”

“世趋第三，直冲首位！”

“抖音热榜登顶……”

江倾点开微博，果然看到“无问万象技术白皮书”的词条后面跟着一个鲜红的“爆”字。

八点整，无问科技的官网与官博准时发布了长达一百二十页的技术白皮书，详细阐述了万象的核心技术细节，包括grpo优化方法、架构设计、数据蒸馏技术以及工程实现方案。

短短十分钟内，这条微博的转发量就突破了三万，评论区的讨论热火朝天。

“卧槽！真的是纯技术分享！无问这格局太大了！”

“虽然看不太懂，但感觉好厉害！所以这真的是用更少的算力干了更多的活”

“楼上+1，看了白皮书，感觉万象的成功不是靠堆硬件，而是算法和工程的极致优化！”

“作为一个ai工程师，我只能说万象的技术路线太清晰了，每一步都走在正确的方向上！”

知乎上，“如何评价无问万象技术白皮书”的问题迅速登上热榜。

一位认证为“某大厂ai实验室负责人”的用户写道：“通读白皮书后，我必须承认，无问在算法创新和工程优化上的突破是革命性的。他们不仅提出了一种全新的强化学习范式，更重要的是实现了从理论到工程落地的完整闭环。这份白皮书的价值，不亚于一篇顶会最佳论文。”

另一位计算机领域的教授则评论：“最令我惊讶的是无问对训练效率的提升。按照白皮书中的描述，他们用相当于行业平均水平三分之一的算力，训练出了性能超越现有所有开源模型的万象。这意味着ai大模型的门槛被大幅降低，更多中小企业和研究机构将有机会参与进来。”

与此同时，国外的反响也同样热烈。

众多专家学者及硅谷的众多公司都在密切关注着无问的动态，特别是江倾在发布会上提到的技术白皮书。

他们想看看，江倾在发布会上说的话是否言过其实。

不久后，第一批看过白皮书的人纷纷发声。

在推特上，openai的一名研究员发文：“刚刚读完无问的技术白皮书，我必须承认，他们在模型架构和训练方法上的创新超出了我的预期。特别是grpo方法，为解决强化学习中的稀疏奖励问题提供了全新思路。”

deepd的一位工程师转发并评论：“这份白皮书中提到的数据蒸馏技术令人印象深刻。如果他们的方法确实如描述那样有效，那么大规模模型训练的成本可能会降低一个数量级。”

斯坦