（来源：上观新闻）
“这种带记忆的自🆒主智能体方向，😝是未来所有成熟👵🥮Agent的必📤经之路🏀。“我们发现，💮🔤更好的方法是📠让 AI 代理解❕决整个问🚀🥌如何建立自己的网站题，”他说道📽。当AI作答完🔐🌒毕，得到"对🏍（1分🇲🇲⬅）"或"错（0分🤺👨⚖️）"的结果🥶后，S🇭🇰🥼PPO用🇨🇰🧗♀️一个极🇸🇨简的公式🇸🇿🌍计算优😂☀势信号：实际结果🥼😂减去预估🚿📬概率🍔。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😞3️⃣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A🇱🇹🕚I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"🚷。
每个生成🖼步骤都🆗伴随着🐙📽隐式的“布局图🍛元”与🎫“语义校🇻🇮🔔验”，模型🤠🖤会先画出逻辑骨☢💱架（标题区、😿🇳🇬图表区、插图区🇧🇾），再逐层填充细🇷🇴➖节🌷。专家代📑*️⃣理各有分工🇸🇿🥊。“它更像是一🏴种情绪消费，是🥳在追逐一😴种缓解焦虑的安慰🤸♂️⚾剂🎐🏓。这意味着，SP🇲🇾🕢PO的成⚪功不是因🐈🍡为某个特定的数学💢🦉技巧，而是因😍☣为"把整个推理链🥿当作一个整体来😰🇺🇾评价"这个🥿根本性的框架👛4️⃣转变🌼📫。对计算机🇮🇲视觉或图像质💁‼量评估感🇳🇷😶兴趣的🙋📨读者，可以通过上📴🦷述编号在 💲🚝arXiv 平台🐽查阅完整论文🤸♂️。
