（来源：上观新闻）
当AI🍇🏫作答完毕，得到"🇩🇴🧁对（1分）"或😢⏹"错（🍦0分）"的结果后🙅♂️🌗，SPP🍛🔨O用一个极简👰的公式计算优势信💂🌚号：实际结果减🇹🇻去预估概率🤝。据了解，这种“🎷人味”背后，是动🗡易科技采用多阶段🤫🐟强化学习训练🕴出的一套自🎅👨🚒主控制⏳🧺系统—📜👡—让机器人像📐小孩学球🐚一样分阶段练，最😆⛏终练出一种能🇪🇷实时决策的“球感☸🍵”😼◼。这种矩🕳🐡阵在乘法下是封🏧🇸🇱闭的，👫6️⃣堆很多层也💺🏤稳👩🔧。这意味着，S🦐💔PPO的成🤵功不是因为某个特👦定的数学🤢技巧，而是因为"🇨🇳把整个推理👨👨👦👦🎌链当作一个整😑体来评价"这个🇧🇾根本性的框架转🍆😸变🧯🎋。
过去很多人👩👩👧👦谷歌工具认为，只要语言模🍝型足够强大，给它🙄👩👧更多时间和更多🔹😣"思考🇵🇼"机会，它🥎就能自然👨🎤🐰而然地完🌮🕯成更复杂的👩👩👧👧任务🇹🇿📸。这项研究🥕由中国人民大🐭学高岭人工智能学⬅院联合独立研🇲🇫究机构及Awe🥞🇧🇧AI团队共同完🇸🇲成，于2026⛹️♀️⏫年4月1☢🆑4日以预印本形式⏫发布，👾🏈论文编🕒😦号为arXiv☁👩👩👦:2604🧕🍾谷歌工具.13018✳🇸🇨。它可以同时召唤多🕗个子代🇷🇸理并行处理🥔👜不同维度，再汇总🇨🇨🇨🇫成完整的分析文件🇸🇳，供后续所有代🇦🇮理参考☣🏗。
