（来源：上观新闻）
在几个对比方👩🔧👍法中，直接⚾在目标环境里🌱用强化学习训🌫🌜练的模型（㊗🇸🇹GRPO🧘♂️ on 💍🎃Tar😃get）⌚能达到37🔫🇧🇷.8%，一种使🌋🐙用通用合🦟👨🎤成环境训练的🇱🇦方法（AW🧔M）能达到38.🛏🤱4%，而一种🙄🇹🇳通过优化系统🚾提示词来植入🥄能力描述的方🧘♀️🇵🇭法（GEP🧿A）能达到39🚥.6%✌。
更巧妙的是👨👨👧👧🇬🇱，练习🇶🇦题的难🐜⚠度被刻意调🇵🇦👩👧👦整到一个"甜蜜区🐻"——👰基础模型大约🐬☑有30%到60📃%的概率能⛪🏛答对😉🌐。如果说去年的🍎🥨热点是短剧，今🤘🦓年的风🌕🍢向，则是A👟I🙍♂️。One 🇲🇴🌖more t🛫hing🌡 论文的结尾有一🇷🇸🇩🇬份长长的贡🍋献者名🇬🇾单🥇💣。
