（来源：上观新闻）
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⚰。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 🏔Target）📕🔁能达到37.🐗🥾8%，一种🌗使用通用合成📋环境训练的方法（🙇♀️AWM☝🇲🇭）能达到38🇰🇵🥛.4%，而🤰😛开源低代码平台一种通过优化系🥥统提示词来植入👩💻能力描述的方法（⭕GEPA）能达到🤸♀️🌆39.6%🏗🔰。
“这意♊味着Agen🙃🖥t不是在执行🇷🇴预设的指令集🏥，而是在自己编写👨👧自己的能力🔏。--- 🕜Q&A Q1🇾🇪：SPP😒🔸O和GRPO相比👁️🗨️🇵🇾，训练速度快多少🍲🏴，性能有没🌁有损失？ 🐯🇪🇪A：根据论文实验🥄💖数据，SP🚸🇸🇰PO在训🚥开源低代码平台练速度上比☀GRPO快约5.⏯9倍，主要原🕳因是GR🇯🇲PO每道题需要同😿时生成8个答案，🎞👠而SPPO只👭📏需生成1个😪。
