（来源：上观新闻）
**六🇨🇾🐚泛在服务、不只是纸上🌫↪谈兵：在经典🛠游戏控制任⛓务上的验证**🇲🇬 为了排除"成功📦🙌泛在服务可能只💳💎是因为在某个特定⏪➰训练框架下的系🥤🖲统优化🕘"这一💤疑虑，🉐研究团队把SPP👹O移植到了五🛎🕜个经典的🏺强化学习控制任🧧🚅务上：精密版🗡CartPol🔰🏳e（控制杆子不倒🕧）、Mou🏩ntainC🦒🕴ar（让小车爬🐺🕠上山）、🍄Hop🕷per（🇱🇨🥞双足机器人前🇸🇪🛑进）、Lunar🇨🇲🌔Lander（月🇵🇫球着陆器着陆🏮🇹🇩）和Pendul🏉🎳um（保持摆⛵杆直立）🔑🇧🇧。在盖尔发布的🉑内部帖子🧖♀️下，一个被大量点🌍赞的评论🔓是一张大象的图👑🍘片，暗🍃指领导层终🍖于“正视👨🚒了房间里的大🧢象”(即长期🧀🗯被回避但显而🥞易见的问题)🗂。
第三种方法叫🇨🇦🛐合成数🇬🇾据SFT，收集每🧟♀️🦠个能力练✝习场景的成🧚♀️功轨迹，然后做监🇸🇳💰泛在服务督微调，结果只有🚋🙉37.8%🕔。在东方甄选工作期🧒🕥间，他接手了“东😀方甄选美丽生活”👫账号，专👨👨👧👦注美妆↙护肤领域，让这👩🦲⛰一垂直账号🤙💊涨粉到🌛🔝400万🎤🎢。综合来看，🧺⏭泛在服务引入失🎻📮真图带来了约🆙🙅15%的整体性能💙提升🇸🇨🏎。而具身智能或🎎许会让我们🇧🇸🦔意识到—🚴—真实的陪伴与物🇾🇹理上的分担，从此🤺🇳🇪不再只依赖人🌶👩👩👧类自身📌⛺。
