（来源：上观新闻）
研究人员🧥发现，🧗♂️让AI学会🎞解数学题、做🏈逻辑推理，需🇻🇮🇩🇰要用到🔑一种叫做"强化学🇸🇩习"的训🐾练方法🈚——本质上就是让🏟AI不断尝试、不🚞断根据反馈调整🐾。Verk💴or.io的联😭合创始人S🇬🇦ure✌sh Kri🦂shna⚗⌚表示，团🀄📏队的核心论点🏛🈚是，这🎭🍼种方法比仅在🗞整体设计流程🕠🇹🇴中使用专门的 🇪🇷AI 系统来完📙0️⃣成特定👷♀️任务更有效🛃。
” Des💀ign Cond🐈uctor 一📢🇹🇨个代理自主🌆构建一个 1🇱🇻1️⃣.5 GH🈷z 的🏝♟️ 可运↙🌁行 Li🗺nux 的 R👩💼🆗ISC🇲🇼-V CPU 🇨🇽👄Desi🧭🔘gn Con🚇duct🔼🦴or (DC) 👨👨👧👦是一款🙇🙆自主代理，它运📘用前沿🚱🎯模型的功能，从概⛽🇻🇨念到验证，🇬🇦最终生成🇵🇦💋可用于流片的 🇲🇲😜GDSI🐒🇨🇬I（layou🏦👖t C🇸🇿📝AD 文件），✈😏实现半导体端到👨👧👦端的构建➡。
需要补充的是，P🧞♀️GME🧴和PGMEA根🙎♂️据纯度🌈不同可分为工🐉🕓业级和电子级🇰🇼。目前让大模型学✌😐会解题🌺，主流🇾🇹🔈方法叫做PPO😦（近端策略优化）🔯。为了确认S☄PPO的优势确😡🙉实来自其核🏷心设计思想而🌽👨💼非其他因素，研👼🇦🇫究团队🧙♀️🐆还做了🧖♀️一个对照🎈🇪🇪实验：把SP🏄♀️PO用来训练价值🥌🎾模型的方式（🍕二元交叉熵损失🇵🇳🎮）直接嫁接到👩👩👦标准PPO框架👼🐷上，其他🎄一切保🔢🧰持不变，🌂🕶命名为"PP🥌O + BC🌊E"🇺🇦🇹🇰。
