（来源：上观新闻）
这是一种慢功🇧🇳夫，但所有👞🇰🇭人都明白⌨🇸🇦：地基不牢，⚙楼盖不高🚣♀️。他们发💛🚾现，打🇵🇫分员实际上是😸🇬🇮在偷懒——它根🤟🍭本不关心🤒⬇AI在推理🇹🇿过程中的第🏪🗾三步、第🕧⬛五步、第二十步在🔭🚥做什么，而是一直🥐等到推理😜💤接近尾👩🌾声，才突然"清醒🌼🔶过来"，根据最👯后几行文字🔮的语义特征猜测答🇧🇸🍽案是否正确🙉。
他们发♑💝现，打分员实际上🛥🛹是在偷懒——它👷🇲🇨根本不关心A🇧🇱📚I在推理过程中🤠的第三步、第五🇫🇴步、第二🇦🇽🔵十步在做什么，而🙂是一直🐊等到推理接近尾声🥡🔮功能测试的常用方法6种，才突然"清醒🧤🐴过来"，🧐👊根据最后几行文🇧🇭👜字的语义特💔征猜测答案是否正🐑㊗确🇬🇦🍢。
面对这一困境🍡🗨，另一个流行方案🤩应运而生，叫🤥做GRPO🎵（群组相对策略优🇸🇱化）📁。与Ope👑nClaw🛀的静态调🍒用不同，Her❄mes在运行3️⃣🇧🇯过程中可🦟🏧以自动👅生成、优化、☣🙂存储新🍞✋的技能代码🤔👨👨👦👦，并通🧖♂️过“技能蒸馏🕶”机制将🇬🇷👩🏫任务经👊验沉淀🏀🛀为可复用的技能🐡文件🔼🚐。
