（来源：上观新闻）
Q3：TRAC🇬🇺🥅E和直接🚖🦴在目标场景里🥧🚂做强化学习训⛺练有什么区别？ 🇨🇰A：直接在目🍚标场景做强化学🙎🌐习（GRPO🏁 on 👳Tar🔩get）训练时㊗，模型🙇♀️从任务整👻体成功🥧或失败中学习，🇧🇴👩👦无法精确归因🤗到某种具体能🤮力，容易陷👩🚀🌿入不稳定或过拟合♋🇸🇹。具身智🔚能，不是🦓🇫🇮为了替🦢🐫代身边照顾你的那👨🚀个人，而是在那个🛏人不在的时候，让🆔🇲🇱你的生活💰不至于被卡住🍠。第二步，lig*️⃣htnin🤘🦈g ind🇱🇾🤡exer + 🤗top-k选择🎭🇩🇬。接下来，🚊我们一个个看🙆♂️🇲🇴。说白了就🇮🇶是与其😩和机器🤒早已做🇬🇼🍐得很好的工厂任🐇务较劲，不如把🥂🍏精力放🎥🕢到那些过去一直没🕰🍰人照顾🧦🇨🇬到的生活缝隙里🦕🌛。“原来做产品的🍡🐯节奏是设计✒🏋️♀️、产品方案、®🇩🇴开发、🇮🇱上线、用户反馈，🍙🍖流程下来可能要一🔬🚜两个月或更长时间🖕。
这是个巧妙💇♂️的工程处理♣。这种"回归均值"🇨🇲💺的行为实际上🔵🍠对训练是有益🍀的——❓它不会因为✏💨过于自信🥂或过于悲观而产生🇫🇲✉扭曲的训练信号🛶，而是🚿始终保持🇲🇹一种适👨👩👧蜘蛛咬了怎么处理度的不🦈确定性，🐼让真正的😠🚰"超常发挥"和✈"出乎意料🔊🔆的失误"🐏🎊都能产生足够🎰强的纠正💇信号🇸🇯🇦🇼。这个思路听起来简⛵单，但💒🇦🇺实现起来🏖🍦远比表面复🈁杂📜👩👩👦。不过最近，这个🤷♂️找搭子的问题，可🧬🔏能要被广交会🦹♂️➰上的一台🇵🇾人形机器人解决了📤。但这项研究的实验👨👧👦结果表明，单🚪纯增加交互轮🇸🇦🗻次并不能带🇲🇷🛂来持续的进步，因🚩为每一轮🍚新的工作如果🇰🇾🐏不能建立在之前工📡🍂作的基础上，就🇳🇱🥈只是在重复劳动，🍶而不是在积累🕉🌬。
