（来源：上观新闻）
Sur🌘🇰🇵esh Kri🔭🚓shna 对此🦡🏂表示赞同，并补充🚣🔝说，随🦗着智能体系统处🇸🇱🗝理更复杂的🇫🇷设计，Des🔄🤙ign Cond🇵🇱uctor🇧🇲🌻 的蛮力方法可📬能会变得🌈效率低下🎚。但研究团队发现🧪，当你给👱♀️🧡这些模型🇦🇺🕰提出更🇩🇴具体的要求——比🚦如"请告诉🇦🇮我这张图片🧷里每个区🏊♀️🚁域的质量如何，🌠哪个区域出了什么🇵🇫问题，严重程度如🈲🖤何"——⏫🇵🇦它们的表现就会令🖊人失望🧝♀️。
比如，🇧🇿🌂一道题🐠预估答对率🇸🇽🚶♀️为0.3🏊♀️👸（很难），但💯👜AI答对了，那么🍆✖优势信号🍜就是1-0😫🙏.3=0.🏧😑7，说明这🈺📛次表现远超🔞预期，需要大力🇲🇴🌕强化这个推🚯理策略🍅。而WALL♐👟-B的行为模式完🇫🇯🇲🇻全不同：它🛫👨👨👦会调整策略再次🇭🇹尝试，如🎵🚞果成功，就🍂📝将这次成功🙃🦆的经验直🇧🇿🧶接更新到模型参数🇧🇭中🗯🤭。
