（来源：上观新闻）
一场熟悉的“新*️⃣技术—新焦虑📷🇰🇳—新生意”的循环🕍，又在上🤔🌇演📝🛎。过去的方案因🇨🇩🐸此只能使用小型神🙇♀️经网络，处理能力☣🏄♀️通常停留⤴在数十万参数的水🎟平↩。“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🎻。姚双告诉记🦁9️⃣者：“🇺🇾不像大公司💾业务流程和决👽策流程很长，小🚤公司非常快速，😤这是很便利的地🌘方🎎😏。有了这🏔🇮🇩些标注之🎄🇧🇯后，系统📎🏂会计算两👩✈️强引蜘蛛工具个关键数字🧗♀️🧵。但斯坦福大学的🇹🇦🔩研究团队采用了🇿🇲🐜一种截然不同🇱🇻🥢的思路——先像🎀😿医生一样给AI♦🙏"做检查"，😎找出它到底哪里🍞出了问题，然💥后专门针对这些🤵薄弱环节设计练习😗题，让A🚺I反复练习直🇮🇪到真正掌握这项技👺💅能🥝。设备每次推理🧟♂️🐮时，都得👳🔛每秒多次把这些参🛂数来回搬运🥽👛。
这样，它就能确🧹🎒保达到🧙♀️目标🔹🐴。这种现🤟象被研究团队🏎命名为"尾🇸🇽部效应"（Ta🧦il Effec🌭🔊t）🎑🙅强引蜘蛛工具。提示词：📼 设计一张日料🕍店的菜单海👪报，包🥩含店名🌑🚂‘椿·旬料理🇸🇱👩👩👧’，至少三道📆🌘菜品：三文鱼腩刺🛴👩身、特选寿司拼盘👩👧👦、纯米大▶☪吟酿，价格🍨用人民币❣🇧🇪符号🦗🔬。**六、不只是🧝♂️🦹♂️纸上谈兵🖤🌥：在经典🎏🇬🇭游戏控制👩👩👦🤷♂️任务上的验证🎂** 为了😕🇸🇿排除"成功🐉👩🔬可能只是因为🏰🎎在某个特定📑🤕训练框架下的系统🤑🇬🇸优化"这一疑虑👾🚂，研究团🧙♂️🔡队把SPPO🖍移植到了五个经典😂的强化学🥃习控制任☢务上：精密版Ca🙁rtPol🎃🎸e（控制杆子🇨🇨🇷🇺不倒）、Moun🆑🇨🇫tain🎽Car🙎♂️⏬（让小🗞😌车爬上山💽）、Ho🆑ppe🥄r（双🐙🌭足机器🏊♀️人前进）、Lu🇻🇪narLan👨🏫der（月🇬🇺🇦🇷球着陆器着陆）🍵🌌和Pendu🇰🇳😠lum（保持摆🔛🌘杆直立）🇰🇮。
