（来源：上观新闻）
整个过👩🚀🥮程对每一层🐞都跑一遍🦓🏋️♀️。AI必须自己🚄去猜测🚅究竟是哪一个行👠🌮为导致📛🐺了最终的💡🏇失败，而👋当一个任务🎥需要完成🤥👩👦👦十几个步骤时，这✊种猜测几乎无🚜🚈从下手👨👨👧。这就是王☃🇨🇫潜所说👫的“模🤣🦢仿而非理📮🤷♀️解”的天花板🕛🛶。这种方式不需要事⏬先标注"🐠🤘正确答案🇯🇲🇪🇷长什么🌀🐙泛目录最新技术样"，只需要🍗🐯能判断"🇳🇷答案是好是坏"🏋🌨，因此非常适🇵🇲🚙合复杂的多步骤任🚦务场景🍜😿。
过去很多人认为😾💶，只要语言⌛🇹🇩模型足够强大，🤕🇲🇨给它更多时间🏺🎹和更多"思考🚋"机会，它🤟☸就能自然🙍♂️❗而然地完成更🔣🇲🇦复杂的任务🐶👨。第一，🤽♀️引入mH➰C（Man⏲ifold🏀-Co🧿nstrai🇵🇷ned Hy🔲🕎per-C🎃onne🇲🇼cti🤒ons）强化🕥残差连接🔱。第二个局限来自数🥈据集的构建方式👐。”知名编剧👵楚墨说🛹➕得更直白：“AI🔝🇨🇫能替代普通编🇲🇫🕡剧，但替🗒代不了头🏋部那10%的🏑🦖创作者🇮🇱。GRPO达到5🇫🇮7.44分，⬇🇭🇷SPP🏴O达到58.1🇼🇸1分，配备小尺寸🍅🇰🇲价值模型的S🇵🇭🤲PPO组合更是🚜🈶达到了58.56🌥📦分，拿下了所有✒方法中的最🕍高分5️⃣👈。
