（来源：上观新闻）
**二、一个关键🈺➰发现：😵龙少泛站GRPO其实🇪🇭在"偷偷🇸🇭🧗♀️做别的事"❕** 这📮🤖篇论文最有趣🇬🇶的地方在于，❇研究团队对G🐚🗺RPO为何有🏴效做出🎌🥳了一个全新的😼解读，🔊而这个解读成为了⬅他们提出新方👩💼🕋法的理论基础🍛🇸🇿。研究人员通常有两📦种选择：♌🖌要么给A◽🛳I看大量来🧿自各种场🖖🕎景的训练数据，希🇧🇼望它能从中"🙁悟"出各种技能；💑要么直接在目标场🏞📆景里训练🎀🗝AI，让它从最终🍢🇷🇪的成功或☑失败中学🔦习💸。
与之相📐🏙比，GEPA（一💗👮种通过优化⛏提示词来植入能力🛹🤱描述的方法）Ⓜ🌑在超过4种能力之🇦🇼后就陷入了停滞，🌛无论再描🌁述多少种🎡能力，效果💑🇳🇵不再提👞📓升🇨🇽。实现上用S🎾inkh✌orn-Knop🦖p迭代，交🇫🇴📪替做行归一化和👖列归一化，迭💬代20次收☑👱♀️敛↪。Verkor还⏫👩👧计划在领先🙉🇦🇽的电子设计自动📃化会议🏠⛏DAC上🇨🇺☪展示VerCor🐿e的FPGA🇵🇼⛸实现↪。
