（来源：上观新闻）
测试结果显示，在↖难度最高的Hop😊🇹🇭per和M🚵🏔ount🎲🌵ainCar🚶♀️任务上，标⚠🐯准PPO几乎🌀完全失败，成⤵功率停在🐉接近零的水平；而🍙SPPO成功解决🧙♂️了这两个🔩🎲任务，成功率♎🍡稳步攀升📌。Codefo🧪🇧🇻rce🈯👩🚀seo英文怎么读s rat⛎🔇ing 3🧰206🈶👩👧👦，超过了GPT-🦷5.4的316👨✈️📹8和G🇰🇼💫emini-3🚚.1-Pr🥜🇨🇾o的3052，在🇹🇩人类选手榜单📥💟上排名第2😋3🇬🇬🐙。据介绍，专🇺🇿🙅♂️注于训练方面的🚥🔯TPU 🇻🇪👱8t在性🇧🇱🎳能上是公司去年🍝🇷🇪11月🈯发布的第七代I👫ronwo🚤od 🧯💲TPU的2.8倍✉，而价格🔹🆒相同🌝🦊。
分析过👉🚡程分为🕌👍两个阶段：先🕕🌧是"发现🔁🥀阶段"，分🧧析AI通过💙🕚检查所有记🐱录中的🚔🧴工具调用、工具🇺🇦返回结果和最✴🦊终回复，归🖇纳出一份候选🕴🇱🇻能力清🇸🇳单，并为每🧶种能力起一个🖖固定名称和♐描述；♋♣然后是"标注阶🐷段"，分📥🆘析AI拿🐚着这份清👨👨👦单，逐🍍🇲🇷一检查每条✨任务记录，判断每🇲🇲🏫种能力在这🇯🇪条记录👨👧👧👩🏫中是"不需要💭😌"、"已正🇷🇸确执行"还是🇲🇩🇦🇫"本应执行却没有🔲🦶执行"🖌↕。
与之相比，GEP🐴A（一种通🥖过优化提😉🥙示词来植入📄🤪能力描述🙀💙的方法🐹🗃）在超过4种能🇲🇿🦹♂️力之后就陷入了🦞🤛停滞，无论再描述💁多少种能力，🇧🇶🦖效果不再提升🕉✉。与已经被大🦕厂产品化👨⚖️的各类Claw🍴工具相比，Her💘🈯mes离开箱🔢即用还有明显距👩🔧离◼seo英文怎么读。它带来🇸🇹了两个⛸直接后果：对于答💲⛅对的推🇪🇪理链，打分🇬🇺🙌员在接近结尾⛄时才给出🧽高分，导致AI🕖的整个推理过程几🇩🇲乎收不到任何有效🦊的激励信号；对🇹🇯于答错的推😃理链，打😦分员在中间过程❔中也没有给🦗出足够🇨🇾🏟的惩罚，无☹seo英文怎么读法让AI知道哪📡里出了🦋问题👢。
