（来源：上观新闻）
”刘岩指出，🔃“因为👯♂️恶意行为不是外部🏯🇦🇸植入的，而是A🤥🌤gent从环境中📪🤥自我演化出来的🔃🦎。DC 必须🏮能够在遵⛽循用户指令🗂的前提📦下探索这🔸一空间，以💧实现最佳性⚔🈶能💩。
Q3：TRA🕥CE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（GRPO 🇭🇰😈on Ta🇧🇮rget）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🤐👩👧👦不稳定或过拟合👨👩👦👦。
他认为👕➡，在具身智能时代🍠♻，仅从事单🇬🇱🏂一环节集成的企🌊业难以持续发展，🐙唯有同时构㊗👱♀️建软件🥋🗒与硬件🌂的底层能力，🍒才能真正掌握定🎄✳价权🧜♀️🧿。他透露，正如他在👨👨👦👦新东方从来不允👨💼🍾许名师成立独立的🤬工作室一样，未来〰🧥东方甄选🤷♂️🇵🇬将给主播足够好📈的待遇，但不会👩🚒Ⓜ再有类似主播独立💤成立平台的事出现🗼🇬🇷，“因为这会导↖🏕致某种🤙🍩撕裂，也会导致🧳某种不可得🍚。
