（来源：上观新闻）
这项由🥚南方科技大✊📄学、北京邮电大学👍🔻、微软🏭亚洲研😣🎬究院、🤞上海财经大学、🌐🍢清华大👨🔬🍜学及INFLY ⚜🖱TEC🚄🥯H联合开展的研究♒，以预🍈💭印本形♌式于2026年4🔗月发布，论🤮文编号为ar🔨🏅Xiv:2🥅604.088🇵🇸🇰🇾65🛅。四、"合并技能🎺"为什🐔么反而不🎃🙇♀️如"按需👑切换"🕰：一个反直觉的发👨⚖️现 在设计TR🚋🤗ACE系统🐽时，研究团🧠🚠队面对了🖲一个直觉上很💘自然的问题：🧮🍩既然要训👂🆎练多种能力🏗，为什么不把它✒💿们都整合进同一个🇲🇪🍋模型，而要保留多👟🎓个独立的插件并在🈁📹使用时🥛🥼动态切💙✡换？ 这个问题🇺🇾的答案可以用🛣🤢一个厨师的比喻📵🐳来理解🤐🕌。
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↪🎮。对比之下，T🦝🤫RACE的路🚹🇦🇿由策略只需要在🇬🇫使用时动态选择对🧚♂️🧖♀️应插件，完🍎全不需🚘🆕要任何额外的合🌍并训练，却📸🇻🇮达到了最🇧🇸高的47.0%🖖🇺🇬。从爱奇艺八年来🦷跌得一地桃毛🤜的股价，🐰就可以🇫🇷🇲🇹感受到影视寒冬有🤫多冷✋🇪🇷。公司摒🍨弃了先🙅🏴造“展厅机器人❔🆔”再寻找应用🖍的弯路😺，转而🧕从客户真实痛点出🇷🇼发，反🏇⛄向定义机🇹🇷🧞♀️器人的形态与算力👽🧥需求🛂。
