（来源：上观新闻）
DC 必须交🥉🎬付可验证的正确🐏🚣设计🥉。核心思路可🖨以用一个生活场🇨🇻景来理解🔃。**六、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SPPO移植到🤾♀️🔡了五个经典🦝🥡的强化学习控🦌制任务上：精👪🇸🇹目录树密版CartP🛫😑ole（控制❌😑杆子不倒）、M🥒ountainC🇱🇷ar（🇲🇨🍚让小车爬上山⏪🇵🇦）、Hopper💾（双足机器人前进🏴目录树）、Lun😜🧞♀️arLand👴🛂er（月🚎球着陆器着陆）😈🌬和Pen🇲🇰dulum（保🇱🇧🕙持摆杆直立）🌾👆。
在1.5B规🤥模（15亿参🔟数）的模型上，🏜标准PP↔O的综👩👩👦👦📴合平均分是4🐉4.0🙄🥏6，甚至低于未经🈺训练的✖👌基础模型（44🇧🇲🤴目录树.96）📦♿。现在产品从原🇬🇱💛型到给6️⃣🌠到用户的时😚🧴间很短，⏮能减少在🇹🇬🇦🇫产品理🥓🌩目录树解和判断上的周👈🐔期🍇。只有同时满足"对😭🛒比差距超🇩🇿🕹过20🇧🇮↪%"和"覆盖10🇪🇷🏉%以上失败🤾♀️📶案例"两个条件的🎇能力，才会被选入🇩🇴训练计划🎲🇱🇧。
