（来源：上观新闻）
明明也于同🤜🔵日发布声明，称新💕领导入驻后，公🇺🇦🧚♂️司整体直播模式与↗🏹运营风格彻底🎣改变，这种文化上🇲🇪㊗的转变，我很难认⚓同🌴🚂。更重要的是，就💦像作家金爱烂说🈷♨的，“有一样东🦹♀️👼西人类拥有🇹🇿🇪🇦，而A🎉💁♂️I没有，那就是🥯犹豫不决🇰🇷。研究团队用数✌👬学工具仔细分析🦔👸了GRPO的运作🇦🇮🐼机制后发现：😄GRP🐕O之所以奏效，并⏺不是因为👳"多采样"本身🌳有什么神奇之🛅处，而是📣◼因为它在🇦🇮不知不觉👨⚕️中把整个推理🇧🇯任务从一种框🇪🇬架切换到了另🐯一种框架🧗♂️。
这就是“与世🎦界交互👨👨👧👦🌉”的真正含义，🇲🇬🇵🇲不是被🤫👩🦱动执行，而🇨🇱是主动学习🎚。这一定位意味着🇺🇳🇲🇦，这项研究填➡🎂补了一个明显🔐🔜的学术空白🇸🇹，并为后续😰研究提👩🦰🐎供了一👨👨👧👦⚖个清晰的评估🦀🆒框架🚴♀️。WUM做的，🔯〰正是同一🇦🇴🚵件事： 将视🚼觉、语言、动作、👨👩👦👦物理预测等所有⛹☁能力，放在🖖同一个网络中🌩，从零开始联合训🛫3️⃣练，融为⚠一体♋。GRPO⏮🇦🇽达到57.❗44分🧹，SPPO达到🇩🇲58.11分，🛏配备小尺寸5️⃣价值模型的SP📃🐏PO组合更🌸💾是达到📢💅了58.🍬56分，拿下🇺🇾🧲了所有方法中🐲的最高🇦🇲分🤵。
此外，论文📍还透露了🇷🇺🥔几个tri🎋🌓ck👩👧👧⛰。比如用户要🦗💇求退款到🇵🇷原来的信用卡😡，AI明明查到了🧵💝seo.正确的信用卡📑号码，却在🔞👩👧👦调用退款工具💞♠seo.时填入了礼🙂品卡号码🍾。Too⛎🇺🇾lSandBox🔉上也呈现📣了相同的规律🦉：TRAC🛹🕕E的曲线稳健上🌽⛎升，最终达到0.🦒👨👩👧👧552，而G📯😇RPO和GEP🎓A则分别停留在🍒📤0.519和0.🎹⚖520⏱。
