（来源：上观新闻）
老板盯着他的工🧽作记录，📝看到的只🌥有"这个订单🚇没处理好"、"那🌎个客户投诉💵💕了"，却很难😏🎨从这些结果中直🛄接判断出🇧🇬🥇，究竟是因为👲他不会查客户资料🐯，还是因为他没有🙅♂️🕷核对退款⬅💆♂️政策，抑或是他接🖍🔩了第一个任务就忘🕯👯了后面还有🇦🇮其他任务🅱泛在服务。
此外，论文还透露🦛😖了几个trick🍕。例如，转发实现最⛈🧐初常常导致关键路🌕🤥径过长🍝💼。训练方式是一种叫🇦🇼↪做GRPO的🎂👩👩👧👧强化学习算法✅📑：AI在练习🛩场景中一次生成🇦🇨多个不同的🇳🇬❤答案，系🐅统根据每个🤗🐼答案的好坏给🚇👨👩👧👧出分数，然后通🦖过对比组内分🌞数的高低来计🇦🇪🇳🇱算每个答案应该被🏝强化还是削弱🥎🦸♀️。
