（来源：上观新闻）
同时，D🚭C 必须避免陷入👩👩👧👧“兔子洞”，导致🙍♂️无法及🌑😂时完成总体目标🚌🗳。这个发🇬🇳◻现让研究👇🕙团队想📞💍到了一个问题📑：既然框架切换才🎿🎉是关键，我们能不🦘🇷🇴能在保留这个框🎑架的同时，摆🇻🇬👄脱多采样的🇳🇪高昂代价？👽🧵 **三、SP🧞♀️PO：用一个聪🚵♀️明的"预测员🥠"替代一批答案*🇸🇾🏅* 基于上述洞🇦🇽🇺🇸察，研究团🖲🐡队提出了他们的新🧛♂️方法：SP👙🏒PO（序列🍅级近端策略🗣优化）🏊♀️🌰。中国人民🚴♀️🥙大学的研📑究团队将这类🛌任务称为"🇲🇾长周期机器学🏂习研究🍽工程"⚗。AI每生成一个🇵🇾🏌️♀️词，系统🚖🚁就有一个"🙏🕠打分员"（技术🈶上称为Crit🇨🇲🇬🇱ic，批评家）🦜在旁边估算：按照⏪现在这个走势，⬇最终能答对的🛤概率是多少？然后👝🐵根据这个🖍📇概率，奖励🇬🇹😝或惩罚刚才的每一🌉🕣步操作🎯🥭。
任务规则非常严格💩🇴🇲：给AI一篇论文🇫🇯、一个🔐☀配有GP🎱🧛♀️U的空白Dock◾😆er容📖器和24小时时间✍，不能使用作者🥔的原始代码，🔖🥉必须自🦸♂️己从零🏙开始搭建、🍭运行并得出与💇♂️论文匹配🇯🇵👔的实验🇷🇪➡结果🐮。下一轮工作必⛽须正确理解并📜🤱建立在前🏸一轮的基础之上🌂。龚宇解🇱🇧释道，“🇸🇴演员很辛🖐苦，横店一🌓待四五个月，每天👎工作13、1🔋4个小时”，演员🦜AI授权后，能有🧗♀️更多时间休息，还👩🦰🧾能从一年接两个🍵☪项目变成一年🤝接四个项目💅🐪。此前最🏮🖐好的AI🐏⏬系统只能完成约🇹🇭🌰21%的评分☢要求，♑🇨🇰而顶尖博士📹seo和sem是什么意思生能完成约🍵41%📷⛑。
