（来源：上观新闻）
且这一切，📗🥔不依赖人👨👨👧👦插手💁👩🏫。**六、不只是纸🈶🇳🇱上谈兵☸：在经典🕜🐂游戏控制任⏏☀务上的🇱🇰验证** 🍲为了排除"成🇧🇼功可能只是💏因为在某个特㊙定训练框架🐫下的系🏎统优化"这一疑虑🔈，研究团队把SP💻🦠PO移植到了五🛎个经典🏘🧂的强化学习🦶控制任务上：精💀👨👦密版CartPo💣le（控制🎮👩🚒杆子不倒）🤕🔴、Mount🇲🇷🙍ainCa🏐r（让小车爬上山🈺🇰🇮）、Hopp🐞er（双足机🗡🧱器人前进）、Lu🔯👩👩👦narL♒ander（🏋️♀️🚖月球着陆器🔸⏭着陆）和🤐5️⃣三微一端是指什么Pendulu🤚🙋♂️m（保持摆👢三微一端是指什么杆直立）🚜。
同样都是伪🔁人，如今集齐👖108个🇧🇶👱♀️AI艺人，可比小🥠时候集齐108🔏张水浒卡轻🇸🇻松多了🥌。AI科学家使用📹🚬GLM-☘5模型时达到🖥🔥了平均3⛏☄3.73分，🎋🚕比此前最强AI🧛♀️基线高出🚼🚱11.15🇫🇷⏳分，并显著缩🇷🇺🕋小了与人类🇮🇨😡博士生的差距🌱😾。
**一⛏、训练AI推理🤮，为什🇬🇪🧑么这么难** 要🚡🇹🇷理解这项研究的🈶价值，🇲🇾得先弄☄⏭清楚AI推理🇲🇽训练的现状🔂。1M场景下，V4⛵-Pro的✍✊单to🇹🇻🥀ken🍮📺 FLOPs只⛷有V3.🧳™2的27%，👩🦰KV cach🌽e只有10%🎧👫。
