（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Car🇲🇽tPole🚢🥯（控制杆子不倒）⚓🎎、Mo🤓untainC🌼ar（让小车爬👛🍅上山）、🇫🇴Hoppe🇪🇺r（双🤗🇨🇨足机器人前进）🌂、Luna🔕🗃rLander（👨🚀🧛♂️月球着陆器着🧘♀️陆）和Pe🎆ndu🦑👘lum（保持摆😱杆直立）❕🧯。此外，它🥎采用层级化编排🍻🎅，由一个🍅🐂轻量的📣🚴指挥官🐹调度多个专🗻业代理🐩⛽什么叫做二级域名（论文理解👨❤️💋👨、任务规划、代码☮🐅实现、实验执行🇹🇫❔），每个代理只负🆒责自己😠的领域，避🤢免了单一代🌆理承担过多🇬🇫任务导致的失控问🥜🇵🇳题🐘🥁。
在深度科🈺💽技研究院🐹院长张孝荣看来，🇧🇴Her👿✨mes给💴什么叫做二级域名出的是🇻🇨Agent进化⏬🥯的一个方向📒🔸，即从任务执行🖲😗向认知规划的范式⚔📷转变🇫🇰🐮。因为羽毛🇬🇪球天然需要一🔩个对手，你不⛪🇬🇫可能一个人一直对🗻着空气挥拍🏊♀️。这种方式不🥖🔧需要事先标注"正🇼🇫📴确答案长什么样🥽"，只需要能判♨🚴断"答案是好是👤坏"，因此非常🛏适合复杂的多步骤🌹任务场🇸🇰景😋🥫。据我们所知，🇳🇷这是自主代理首次🏘🆎从规范到 GDS🐏💷II 构🧪建出完整🇲🇦🎬的、可运行的👺🐊 CPU🉐🎅。
