（来源：上观新闻）
Q3：TRACE🕗🇬🇬和直接在目标场景🚔🧵里做强化学🇨🇩习训练有什🍾🕣么区别？ A：直🦈接在目标⏩🏤场景做强化学⌚👨👨👧习（GRPO🐼🇷🇪 on T🐏arget）🇵🇦⏳训练时，🚌模型从任务整体🇱🇹成功或失败中🏺学习，无🐡法精确归因到🧝♀️🛌某种具体能力，容🤪易陷入不稳✒🥳定或过拟合🧚♂️。研究人员通😥常有两🌛🇸🇦种选择：要🚶么给A🇰🇮I看大量来自各🥔🌺种场景的训🥭练数据，🇲🇺希望它能🐼从中"悟"出各种🦠🇧🇦技能；🇳🇬要么直接在目👨👨👦👦🦌标场景里训练A🇱🇦🤼♀️I，让它从最终🥎💤的成功或失🐾👩🍳败中学习🧙♂️。人工大黑🌟认为，那个被全🌾🌮网吹捧的“自动🧛♂️🇮🇲生成Ski📆ll”的功能，🦉🥨在实际👨👨👦操作中反而成了个🔉⛏麻烦🏣🍰。
谷歌高级副总裁🍴兼AI基础设施🇲🇭⛈首席技术专家🇲🇭↩Amin👑 Vahd🛏at表🏣示：“🇮🇹👋目前，我们的第一🈹😍方模型🎏😈通过客👩户直接调用API🐲，每分钟处理的📂🇩🇬toke🤱n数量🕝🙁已超过160亿，➡较上个🔺季度的100☃亿有所提升😓。“如果你连‘龙虾🏋️♀️🤜’都还没养明🍡🍲白，‘马’🚵♀️其实可以📑先放一放💝。这激怒了一些😡🚈特斯拉🇰🇵🕵投资者，他们🇷🇴🎧起诉该公司⤴🇳🇬，认为这笔交👩❤️👩易浪费了公😮司资源〰。
