（来源：上观新闻）
训练与🖱🦗推理对硬件◼的需求差🇦🇴👩❤️👩异显著，统一😒芯片意味着在🏛🇦🇽某一场景下必🈚📹然存在资🍕源浪费🌙。
**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🛹🔎SPPO🧟♀️移植到了🇬🇮⛱五个经典🦑🖥的强化学习控制任😉务上：精🆔🦏密版CartPo🕳le（控制☦🖼杆子不倒）、🙃🇾🇹Mountain🍰Car（让小车🐾爬上山）、H🚱🍓opper（🙍♂️双足机器人前进⛅）、LunarL🔈🚂ander（月⛽🎉球着陆器🎭👿着陆）和Pend🇲🇺🇲🇿ulu🇲🇼🏞m（保🐖持摆杆直立）🇹🇦。
而更重🧲🔴要的是，WA🖨🇳🇵LL-B的🧦“与世界👨🦰交互”👼能力，开启了🎍一个自我强化🐡的数据飞轮：🍳 进入真实家庭 🌮→ 产生真实数🙆♂️据 → 模型😾🆒自我进化 → 🇷🇪能力更强👷♀️🌠 → 🏂进入更🐩多家庭 😕这个飞轮一旦🇮🇨🐮启动，数据本身☣就成为了模型进📟化的燃料🌘。
