（来源：上观新闻）
它的思🎵路是直接扔掉那个🚿🎵不靠谱的打☕分员，🇲🇽😽改用一种"🎯横向比较🇵🇷"的方式：对🌾同一道题，🆕让AI🚎🇦🇫同时生成一🤟📪批答案（🏢通常是8个♦），然后🌏👈以这批答案🇳🇿的平均得🇹🇻分作为基准，那🐍🇲🇸些比平均水平🇲🇱好的答⛱案就得到🔮奖励，差的就受到🍻🐽惩罚🤤。换句话说，Ver🌈🔡Core对领🚇先的CP🔹U构不成威胁🦙，但它有两个值得☀🧜♀️关注的地方🐛🛡。你的管理方式是👷🇫🇰：让每个专👩⚖️业队把工作📣🦔记录写在一个共🙏享的项🇹🇬🇨🇮目文件夹📀里，你通🧾过翻阅🔖这个文🚋谷粉搜索谷歌搜索引擎入口件夹上的目💂♀️录（而不🕝是每一份详🇻🇨🛍细记录）来做🕗📣决策🐸。
我认为仍然需要🇬🇱五到十个人，而😎📞且他们必须是不⚱同领域的专家，”😃Ravi K🎟🏙ris⛰hna说道💢🐝。他们开发了一个叫🛴做AiSc😿ienti🕉st（以下简称"🧛♀️🇧🇱AI科学家🇪🇨💹"）的系统，💪并在两个业🕘界公认颇具挑战性⚠的测试基准上验🎢🇬🇩证了它👩⚕️🧛♂️的能力🏡。DC 会审查时序🌿报告，🇧🇶并利用这🇮🇱些信息对设计🐲🗻进行 R🐿🗒TL 修改🌆🧀。GRPO在😅使用8个样本的情🇧🇱况下，综合平📚均分提升至47.🦌08🇲🇲。比如，一道题预🇨🇽估答对率🍎为0.3（🔱很难），但AI答❔对了，那么优势信🙈🚪号就是1-0.3⚙=0.7，🦅😧说明这次🤐谷粉搜索谷歌搜索引擎入口表现远超预期，👨✈️需要大力强化这📉⏭个推理策🇦🇽🇧🇩略🏴☠️。
