（来源：上观新闻）
Q3：T🌭RACE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（GR🙉🎡PO on T🕢🔐arg🇱🇷et）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🇻🇮引蜘蛛软件定或过拟📕合🏎。
与之相比，GEP💃A（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🎚。尤其值得关注的是🇾🇪🇼🇸一个有🏀趣的对比👷♀️👩👩👦：仅仅6️⃣针对单一能力训练🔵🥥一个插件🇪🇨👨🎓，就能达到🍤👮♀️40.🇬🇩👙3%的通过率🇹🇻，已经🚄超过了AWM👉♋和ADP等使👨🎤🛹用大量通用训练数🍦🛌据的方法🥈。
” 自变量创始人⛹王潜在🇸🇮发布会上，用🌓一个再普通不过🍳的早晨场景⚓🇧🇾，揭开🍇😠了行业光⛅🐝鲜表象下的真🕙实现状： 🇷🇴拖鞋不👯♂️🛹知踢到哪🤡😰里，厨房的🐊碗还没洗，孩子的9️⃣书包扔📩在地上，猫打翻了🍪一杯水…… 这🇳🇷🇻🇺些对人类来👣说几乎不📊构成挑☔战的碎片任务，🇲🇩🥡对当前所有🛏🇵🇸机器人而言，却是💐不可能完成的任务🇵🇲。
