（来源：上观新闻）
采写：南都🌮N视频记者🇮🇴🔢 汪陈晨🇲🇴 相关阅读📎。AI必须🎏😘在这种模🔰糊的反㊗馈中做出合理的判💾🇱🇺断🇬🇸☺。这个差异说明，🧰单靠文字描述☪🇩🇿能力、希😧望AI在提🤲示词层面"领🇦🇫🍨悟"，💪存在根本性的上💩限；而通过真实🤰的强化学✳🏺习训练📱让AI内化技能，®才是真正可以🏆🧰持续叠🇲🇺🏫加收益的路👔径🧷🍳。---🇦🇽 Q&A 🇸🇳🏏Q1：S➿PPO和🏄♀️GRPO相👔比，训练速🦅🍟度快多少，性能有™没有损失？🦖🇬🇳 A：根据💆♂️👩❤️💋👩论文实☝验数据🙅🇯🇵，SP🐪PO在训练速度上⏯比GRPO快🐅🚪约5.9倍，主🔚要原因是GR🍐PO每道题需要👩👩👦👦同时生🍃成8个答🇸🇧😅案，而SPPO👩👩👧👦⚜只需生成1🇨🇵个👝🙋♂️。
走出会场，😮早晨的阴霾已🌘被一轮🇦🇿骄阳替代🚆👩👧。“硬件已经到位🔌🚰了，但大👨🔧🈂脑没有跟🏭上👄。Clau🤞de Cod🎰e 前👀🆙阵子推的 A✈💎gent Te💭➡ams 也♉🔕是类似的思路🙅♂️🔉。
在深度💛科技研究院院长张🍮孝荣看来，Her📂mes给🇦🇱🎤出的是Agent🎒进化的一个🈹♓方向，即⏱🚡从任务执💻行向认知规🙂⌚划的范🇬🇮式转变🏑🧟♀️。输入映射A和📀输出映射C则🙎🇰🇷通过Sigmoi🧲d函数保证🥥🔂非负且⏮有界，避✍🇮🇪免信号互相抵消➿⛷。我给复兴🦡🆒岛社区🐿⬜服务打出4.🧭5分（满分🍴5分），火山引🏊♀️擎提供的算力📆🍥与To😉ken支持🖤直接作用于产品🧼💑研发，政🇸🇨府则提供免费工🎯👨位、公寓折扣、❣🖤代理记账等🙇♀️🌙服务，让🔽创业者从烦琐事👨👨👧👧务中解脱，可以专🔣💤注核心研发🎦。
