（来源：上观新闻）
**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🇿🇼sem优化师是做什么的优化"这一🚻👨❤️💋👨疑虑，🚂🇪🇭研究团队把S💃🤡PPO移植到🇸🇹🥪了五个经典的强↩化学习🇬🇹控制任务上：🏚🍜精密版Ca🎧rtPole（🍘控制杆子不倒）🐲✳、Mount🐬👺ainC🦆🌶ar（让小车爬上👨❤️👨✈山）、Hopp😞🧮er（🚭🇭🇲双足机器人前进）🇻🇳🔋、Luna😖rLande🇲🇵r（月球着陆器着🥟陆）和Pendu📧lum（保持👩🌾⛹摆杆直立）💵🦴。去年9月🕵，研究🚊📖机构DA Dav◼🥰idson🏸曾估算称，谷歌🌄🥧TPU业🇰🇲💩务加上AI部门🏦👨❤️💋👨Deep🌔🇪🇷Mind的🛠🚰总价值约为90🇹🇻🧓00亿美元🤰➗。
这些任务被🇸🇯🏴专门改🍔🇲🇲造成类似AI🇵🇫推理的🦸♂️稀疏奖励模🐍式：整个🍗过程中没有任何🦠中间反馈，只在📜😓最终时刻给出"😮成功"或👞💞"失败"👃的二元结果🏺。第三，采用🧪🈷Muon作🍭🌔为主优化器🕔🕡。GRPO🗣🇦🇫在使用8👡个样本的🇬🇦🥔情况下，🍸综合平均🦉分提升至47.🚀🇦🇶08🈹🛸。有数据显示，🧾截至2月底👩❤️💋👩，在播AI🍴剧目累计达到1♐2.78万部🏋️♀️🔪，但播放量破😔亿的不超过🚣♀️150部，🆗🙉破亿率仅为0.⚙117%，几乎可🤖以忽略不计🍑🏴。
