（来源：上观新闻）
在精密🇧🇭🚛Cart😣🎒Pole上，S🌼🚇PPO收🇹🇿🇹🇱敛速度明显更🥊快🛂🇨🇾。第一种叫"权📂限错误恢👠复"：当某个👩👩👧👧☔工具调用返回权🇲🇰限错误时，👨🎤👲AI直🐠接向用户报🎶告错误就停😭止了，而没有去🇲🇹诊断并解🥰📣决根本🐁🛣原因🇭🇺🐏。**五、🦁👟数字验证：S💁♂️👨🦰PPO的表🌼现到底🇭🇲🦹♀️如何** 论文通🌻过大量实验来验证🇹🇱👔SPPO的实👩🔧际效果，测试平台🆕涵盖多个🥴🈳广为认可的数学推🇪🇭🔤理基准：AIME📎🈵24、AIME🤵25（美国数学邀🌧请赛题目）、🔄AMC🐦23（🇯🇲美国数学🏸竞赛）、🚥🤦♀️MATH500（🧚♂️🎴5个难度等🕞级的数学题集）以🇧🇶🦌及Mine👚rva Ma🍥🇦🇫th（需要定量🛶推理能力的科⛳学题目）👬。
在M1之前，🉐🇸🇭Mac的🍈🇸🇲CPU👹🐀、GPU、内存各💙🇩🇴自独立，数↔据搬运成为性能🚅🇱🇾瓶颈🧠🇺🇳。真正让AI♎🥪能够跨🔚🐍越几十👷♀️🛫小时、跨越几十轮🌻🍱实验持续🎶进步的，是一🕞🆗套让"💸🐦历史工作成果"👨🦲🎋始终可📉访问、可信😍🌼赖、可建👩👧👧立的机制设计📯🌘。其中有不少带星🐘号的名🚴字，是已🚼🥐经离开团🌚队、但仍然对🐀📄V4做出过重🌃要贡献的研究者🇳🇪。
Q3：AI⛎💿科学家系统与其💊他AI代理系统最🈂大的区别是什么🍽🇿🇲？ A：😯⬆最大区别在于A📹I科学家通过"🦏🍾文件即通道"🍳🛢机制实现了跨🧗♂️📺轮次的持🎲久状态积累，而不🔋🧑是依赖对话接力⬛☑传递信息🍺👩🔧。几轮对🧨战下来🥂🌽，围观的🔔🐐人群渐渐看懂🐑🐓了： 这不⛵是一个按照预🇦🇶🥵设程序在空中瞎🦍挥拍的铁壳子🇳🇵，而是一个真的💱在实时观🇩🇯察路线、🎬🛅计算落点👲⌨并自主做🔅🏴出反击的📌🕎机器人🙇♀️👢陪练🐺🤼♀️。
