（来源：上观新闻）
工厂里的机械🐘🐍臂可以在固🇷🇴定位置🇨🇺☢重复抓取🇪🇺🦌一万次🗾，但家🎑🇱🇧庭里的一万个🎆动作，每个可👨🏞能只做一次⚾📅，每次的🌎环境条件都不🔞一样🇯🇲。HLE上🧓V4-Pr🎙o-M🇿🇲🌪ax 37.7，💫🍿Gemini-🕒3.1🛶🇲🇸-Pro🇯🇵 44👨💼🇲🇩.4，Cla🦹♂️ude🐠❇-Opu🌴s-4.6-M🏨👩🚀ax 40.🇨🇬🐫0🍿🇨🇮。
这个关键缺陷导致😊😰训练变得低效🎿。DualPip🚈🎖e：V3老伙🌴计🇬🇶🇳🇵。穿着银色铠甲🍲的机器人👩🏫💁♂️比划着动作🥃，一只AI🕓🇸🇭智能熊猫😰🎠坐着电梯上上🛫下下，🥯全场游荡🖖。因为这些事情光⛷💔靠屏幕是解决不🧖♀️♾️了的—🅿👶— 它们需🇱🇷要有人真的在📷♥场，能看见你、听👩🦰🕷见你、陪着你，并🆑对你做🎌出反应🏐。标准PPO的方式🌳是：出🏷题，你作答，老🖋师给整♐道题的每一行打🇧🇫🇲🇬分，但他👥🦁因为"尾部效应"👩⚕️✝而打分失准🇩🇰📙。
