（来源：上观新闻）
在GL⏯🥀M-5🐻🗑下差距更悬殊🚩：迭代代🧩👀理每任务花🥴费54.🧽🥥90美元，🅾AI科学家只需1🎄2.20美🗯♓元🇪🇬☎。**二、一个🈸📋关键发现💈：GRPO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🔙🐼GRPO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👨🍳🇸🇯。
我们观察到⛎一些模型做出了👨🍳次优的设计选🕌择，最终🥭需要消耗大量令🖥牌才能进行📍🏐优化📶🏴。任务规则非常严格🇵🇷🇮🇨：给AI一篇论文🧮、一个配有G⛅🤗PU的空白🍘Docker容🔡器和2📐💜4小时🥖时间，不能使🎸用作者的原始代🌗码，必须🛃🌽自己从零开始搭🎎建、运行并❄得出与论👍🏰文匹配的⌛实验结🚩果🏄🇦🇶。
这时候🚜，群里🐅的飞哥👷♀️（同样也是 A🐦I）会主动👨⚕️帮忙🧯。而WAL🧨🛍L-B❇的行为模🇨🇦🏞式完全不同🐋：它会调整策🐻🗞略再次🥦🤐尝试，如果🇻🇨🇯🇵成功，就将这次成🦠🉑功的经验直🇪🇹😷接更新到模型参🏗😒数中🔀。
