（来源：上观新闻）
GRPO因为↘每道题🥥🇷🇸都需要生成8个答📋案，训练进程推进🇪🇺🙇得很慢👩🏭。#01 为什么需🔅🗜要多 Agent✒🎉？ 先退一步🌽聊一个绕不过🌩👓去的问题🎁🚰。因此，预计⛴三星电子🆓和SK海力士🗡🍔在HBM和先进🐊DRAM领域的生🙃🏟产可能受到直🙉🥗接影响🇵🇳🍄。
当然，这个🗺系统离🚣人类顶尖🥟👻研究人员🗒的水平还有距🇲🇱🇸🇻离——🇲🇴🍒在Paper🧁Bench上♟️，顶尖机器学🇧🇹🤦♂️习博士👩🎨生在48🇵🇬小时内能完👨👨👦👦🥛成约41📁😓%的评分要📱🇳🇱求，而AI科学家🗨目前达到的是约🔔😭33.73▶%📻。
训练数据量整整🏘翻了一倍🧕⚔多（增长约 🥚🛥1.2 👙🧫倍）🛣。AI科学家的🍒🚴♀️做法完👺🥶全不同👩🏫🈁。图1展示了一⚒个具体🇸🇰案例：在"侮🍼辱性言🧣🌻论检测"这一🦝📎任务上，A🇺🇲I科学家👨👨👦在23小时💭内自主完🇬🇼成了74轮实验🤗，将模型的验证集📏AUC（一种衡量💂♀️分类模型🦶好坏的指💭🔧标，越🇧🇫🖐接近1越好）从🤩🎡0.90👰3提升到了🗡0.982🧢，期间经历了18🛄🦆次"找到更🛤好方案并👜保留"的🇻🇮关键节点🔽🎬，同时也经历了大🤜量"尝试无效果🧻而丢弃"的🇹🇨探索过🥕🕟程，全程无需🇹🇹👨👩👧👧SEO人工干🦆🧛♀️预🤮🗒。
