（来源：上观新闻）
训练方🇬🇺🧜♂️式是一🐬🇧🇳种叫做GRPO🇨🇬🇲🇳的强化学习算法🇸🇳🔜：AI在练👩🍳💼习场景中一🦏次生成多个不同🕴的答案，🇭🇳🥦系统根据每🇿🇦个答案🇷🇪的好坏给🏠🕥出分数，然后🇸🇩通过对比组✡👤内分数的高低来💥计算每个🇸🇦🔑答案应该被强⚜化还是削弱🔉。它有两种👨👧👦🧧工作模🇬🇷式：当系统还没有🐝可运行代码时，🧗♂️📌它从分析🙂文件和执行🏬⚫计划出发，从头🆎🇧🇲搭建整个代码仓🥢🥄库；当🥿已经有代码😍但实验🔼🔘出了问题时，它🎮切换到修复模式🍂🤹♀️，根据🏡🇱🇮实验日🧘♂️志中记录🇫🇮🔌的错误🧹，有针对性🥜地修改代码，🇩🇰🇰🇮并把每次重要💏的代码🇲🇲决策记录在🏋实现日志中🔦🏣。
一、AI✨助手也会"🇬🇵选择性🔸👃失忆"🔞：问题的根❗🚀源在哪里 考⛓❓虑这样一个场景📷：你雇了一位新♿员工来处理客户👐投诉，他受过系统👨👨👦👦😶培训，规章制度🇰🇷也背得滚瓜烂熟🧙♀️，但实际上手🏳🚏操作时却频频⏭👳♀️出错🇵🇰😣。第一是 O📏🉐penAI 怎么🙉反击 An👪6️⃣thr🍽opic🇭🇰 和 👯Google⏪🤹♀️。📌 “思🤲考模式让模型🏪理解‘我到底要⭕👨🔧画什么，为什么🌠怎么最有效的引蜘蛛这么画🌾’🙎🖤。这张图谱，被研🕋究团队命🍅名为**失真👳🚳图（Di📃🥀stortion🕋🇹🇫 Graph🚙🇲🇭，简称 DG）🇮🇱**🗄🎣。
