（来源：上观新闻）
**二、一个🍪🇬🇦关键发现：G🇵🇬🇧🇩RPO其实在"偷⛄🕚偷做别的事💞"** 🍴这篇论文🐻🚶最有趣的地方在于🏃🦶，研究团🈸🌔队对GRP🤨O为何🚵👴有效做出了一个🇳🇦全新的解读，而🇳🇬❌这个解读成🐫为了他们👨🦰🤤提出新方法的理论🧙♀️基础⛔。这套模式🍗之所以能跑通，🎴🎿就在于AI工具不🏢仅降低了制作⚗门槛，🔹还把成本压🇪🇭🔏缩到前所未有的低🛍点🍶🌄。比如 Co-I🎼nstruct🇻🇮👨👧👧、Q-Inst🗡ruct、🇲🇸Depict🔹QA 等，🇿🇼🎟它们能够告诉你"🤨🕥这张图片整体有点🇸🇮➰模糊"或者"🙌⛑这张比那张清🇫🇴晰"💂♀️🍤。
进了V4🇲🇳。百万tok🐗👯en不是一个新的能💯❌力，是同一🏨🇺🇬个上下文窗口🔘🎵被压到可以承担的🏏👿成本🇭🇹⏸。然而，🇬🇾它的代价✂也很明显——🇬🇹🚡每道题都要生🍽🌲成8个答案，🚰计算量🕴直接翻🧘♂️了8倍🥬🌾。而同体量的真😮👫人短剧，预算🎇在200万🗼元左右，周期在⛄3个月以上🌱。当模型🥕🍤学会在落笔之前🇵🇬🙀检索信息🏴☠️⚔、规划层次🇹🇷、自我校验，🕚它就不再只是一❌🎀支更快的画笔，😮而是一个能协作、💌🍕能思考的视觉伙伴🚅♑。
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 🤱🧩Tar🇸🇩get）能达🛢到37.8%，⚠🇬🇭一种使用通用合🦚成环境训练🙋♂️的方法（AWM）🚄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（G🇻🇺EPA）能达👩🦳🥟到39🎥🤱.6%✴🚷。“从拓展人工🎪智能模型性能✉⏬极限的角度来🖐🇪🇨看，这对我们来💬说很有意思💾，”他说道⛏。
