（来源：上观新闻）
当下大多数AI⏏训练方法面对的💨🐲正是这💼🚁个困境🐸🧐。至于演员🚶能不能在家躺着🇧🇾🏚赚钱，还不好说☀➰。”AI🇨🇽替代不了人类🇮🇪🇦🇶的审美与🌚判断，成为本次👙大会各个论坛的共🇴🇲🗿识🧶。为了确认S🗾PPO的优🐭势确实来自🇬🇺其核心设计思🤸♂️想而非其🎩他因素，研究团🎏🇻🇦队还做了一个对照♟️实验：🇲🇶📯把SPPO🇰🇷⛔用来训📇🇳🇷练价值模型的方🐓式（二元交叉熵损🇵🇸失）直接嫁接到标👖准PPO框架🤡上，其他一切保持☔🐴不变，命名为"P🏴PO + BC💌🌁E"📭。
由于每种🚮🧫能力只对🇳🇪🚍应一个单词（🏐比如A、B🙎♂️、C），模型只🚺需要在这些👩✈️☦候选词之🌚🤷♀️间选择，判断过🅿程极为高🇹🇭效，每次任务只🔸增加几秒💐🇸🇪钟的额ℹ🇳🇵外时间👩👩👦👦。“这种带记忆的⚖💪自主智能体🥡方向，是未来所有🇨🇮成熟Ag🚐⭕ent🏋️♀️的必经之路🕐。
未来方向🖊几条，探索新维🖇度的s🇵🇪parsity（🐧🤪点名了Eng💖ram那🇦🇺条线）🇸🇬🌗、低延迟架🎻构、长🗄时程多轮age🚋😨ntic🍬🦞任务、多🌾模态、更好的😉😚数据curat🔒🐜ion🇩🇿🛐。作者| 木落潇🍰潇 编辑| M🦋ia 2026💪🇺🇳年4月15🇷🇺🎒日清晨，第十🇶🇦🦶三届中国网络视👸🎺听大会🍚👉在成都开🦎🇹🇴幕💛。
