（来源：上观新闻）
--- 三、🦂👨❤️💋👨"薄控🌊制、厚状🏸态"：一套听🎬起来奇怪但非🛒常有效的工作🕸方式 研🌩究团队用一🥽句话概括了AI⛏🥅科学家的设计⚾核心：🔢👁️🗨️"薄控制🐽🚘，厚状态"↖😾。
为个人获得贷款 🇲🇹🇧🇲2018年1月，🤶🏳️🌈马斯克需要1亿😓📣美元🎽。这些需求一🎙直都在，但🤭👨🏭当下的💮科技，无论💘🦞是互联🀄网还是算法推荐，🚲🇻🇮都没办法真正🎽回应它们🇹🇬🤾♀️。
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❄。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（🎇GRP📤☹O 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（GE🧗♀️PA）能达到39🇸🇸.6%💮⚱。
