（来源：上观新闻）
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✨🥐。根据推测🧞♂️☀，日本💂🚃石脑油供应♌约有75🤾♀️%直接🇲🇹👨🦲或间接依🇬🇼🇻🇦赖中东🍀🔕地区，与👩✈️韩国77◾💄%的水👉平相当🈶🌁。AI科学🦆👨🏭家使用GLM-5🤹♀️✊模型时达到了平均🇲🇦💵33.73🖕🥒分，比此前最强🃏AI基⛑线高出🦘11.15分🏅，并显❓著缩小了与人类🌐博士生的差🤱🚴距🛎👩🏭。201✝🤝5年，马斯克⛹🇲🇭安排Sp🎑😴aceX购🍙💅买了Solar🕌👩👩👧👧City的部分债👥📀务，而信用评级🍿🏝机构当时认🕵定这些债务存📓◻在较高📴⛩的违约🐰风险🏹。
过去几十年，🇳🇿♥广交会一直是机⏸🛌械设备、电子🇻🇦产品和📁😦各种工业制成🇺🇬品的秀场🛫，客商们来❕💂蜘蛛识别扫一扫到这里⚖🔄基本只🤭☝奔着三件事： 看🇰🇼🇷🇪货、谈价、签单🔥。在几个对比方法🍝💷中，直接在目标🎺🇵🇭环境里用🇮🇪🎙强化学🦝😡习训练的模⛹🔙型（GRPO🧒 on🐅 Target🦀）能达🇮🇪到37Ⓜ.8%🥚🇪🇨，一种使用通用合🐲✈成环境🛡训练的方法（AW💙M）能达到38.🇯🇲4%，♣而一种通过优化系👩🏭🌽统提示词来植📋🇺🇲入能力描述的方法🐳（GEPA🐞🇰🇼）能达到39.6🏈💶%🧜♀️🧮。
当然，这个系统🤖离人类顶尖研究人🙆员的水平还有距⛳离——在Pa🚐perBench♑🇲🇪上，顶🕐尖机器学习🛎博士生在👨🎤48小时🇱🇹内能完成约41🍭%的评分🈂要求，而AI科学⛪💂♀️家目前达到的是约🇧🇱33.73%🇳🇵🐝。方法论听起来很🌥🚋蜘蛛识别扫一扫优雅🥖🤐。如果题🍄🧕目太简单，AI每🌖次都能答对，🏉🕳就没有😿学习空间；如🇱🇸🇦🇪果题目太难，A🇧🇪I次次都失败，🛳也无法获得🇵🇫™正向反馈🙌。
