（来源：上观新闻）
验证所需的🇨🇾🇵🇪各种仿真类型，🇨🇴其运行🍂时间都很📥长，而且服务器7️⃣工时成本高昂✨。一个1M的上🛋下文，在V📹3.2的成本结💌🕧构下是不可持续🇲🇵🤤的，K👩🎨V ca🛃🇨🇲che🏵会把显存吃光🎨👩🎨。研究人员通常有两🇸🇩6️⃣种选择：要么😀🕕给AI看大👩🍳量来自各种🇦🇪场景的🇬🇷🏞训练数据🥦，希望它能从🐙中"悟"出各⛎种技能；要📰么直接🚭🇱🇧在目标场景里🇮🇲训练AI，让它🦠从最终🍱的成功🍎⛽或失败中学习🔦🇮🇸。具体而言，🇳🇷🐇标准PPO把AI🦂解题看作一个🎹漫长的"连➰🕜续决策过程🕚🌼"——就像💐下棋，每走一步⤵🥕都有意义，每一步🏢都可能影响最终胜🐝🦡负🇲🇵。
研究提出了一个名5️⃣👬为TRACE的系👨👨👦统，全🤼♂️称是"🌺Turni🇸🇾ng R🔐🇲🇭ecurr🤺ent↪🇻🇪 Agent f🤸♀️🧡ailures 👨🎤🌎into 🥼🐢Capabi🛄🈸lity-ta👅rget🐄ed tr🗜ain🧔🌦ing Env😐🇬🇹ironmen⏳🇸🇹ts"，中文可以😆🌤理解为㊙"把反复出现的失🚡败转化为针对❇性训练🇨🇰🎸环境"😑🇦🇪。面对流水线的👩⚖️任务，它🥞一个人包办📅🔗所有环节，每个环🏰节都带着🍿🇧🇶它自己的偏🇲🇭🖐向，最后交付的🏠东西质量就会下滑🚰。
