（来源：上观新闻）
GRPO的方式是🈂：出题，你和7个🤐同学同时作答，💑👝老师把🔒你的成绩⚖🇵🇾和大家平均成绩做🇨🇱🦴比较，准确但费🇨🇿🧙♂️时🕐👩👩👧。奇安信人🇪🇺🐈工智能公司安🚒全专家刘岩🇪🇨对中国🍢🇱🇦新闻周刊表⚫示，H🍩ermes的🍽核心能力✳👨👩👧👦来自其可写运行💕🇸🇾时（Wri🐠table🤞🤲 Runt🤓ime）架构🚷🇦🇪。论文通过可🇸🇯🙃视化实验🧞♂️直接观📴🐛察到，正确和错误🍏🌗推理链的价值曲线⏫🏂在中间阶段几乎完👨👧👧全重叠，只在结尾🐲〽附近才分开，证🎾🛩实了这一🇳🇿🗓失效机制🔟↩。
每个专🥄业代理只能写它🖼职责范围🇬🇾内的文件🤛，共享🌌🕶日志只能😓🎭追加不能覆盖🏇泛站群。” 至于🌩AI演员🇨🇬🌊的演技，有网友看👨🌾过预告片后🚪🍵锐评：“🦸♂️🎍像木偶动🚀🦴了起来🌑。与之相比，GEP🤡☺A（一种通过优化⛑🐖提示词来🎅植入能力描述☃⚱的方法）💀在超过🇸🇽4种能力之后🤹♂️🤷♂️就陷入🧭🔲了停滞，无论🎳🌺再描述多少种能力🔠，效果不再提升🅱🍈。
