（来源：上观新闻）
**说到底，这🔑👹项研究发现了什💑么，又意味🎌🇻🇳着什么**🚏🔸 归根结底🦕，这项研究回😔💿答了一个🏦在AI训练领域长🔯🔙期存在争议的🎛问题：🧽大模型推理能力❣🕵的训练🏴♟️，应该用什么🇸🇭🐙样的框🇮🇸😋架来建模？☃🤷♀️ 研究团队🌥🌿的答案☔是：把🇪🇪整个推理过🇧🇦🎻程当成"一次性行🇬🇪动"来评价🚙，而不是📝"一系列连续步🤼♂️骤"🦚。但我觉得下一个💵真正能🦒😫打开想🇫🇴象力的地方↔，大概率不🇬🇮在单体能力，而在♋于 Age🧁nt 之间怎么协🧰🇦🇶作☀🐗。
2、D🧧C 执行的步🐒↩骤 图 3 展🇫🇴SCM系统示了 DC 构🇧🇧建 VerCor▫📎e 的步骤⏲🎟。这个优势🏜信号不再⏸分配给推💂理过程🇱🇧🍯中的每一步，而🤥🚴是均匀地广🔨播给整个推👩⚖️理链中的所🏤有步骤🐤。🌐 联网搜索与💈实时知🚸♓识注入 — 生成🧞♂️🇩🇯品牌规🇰🇮范、最🗯新数据、具体☃场地特ℹ征时，模型自动👎检索权威信源🇲🇳🔤。” 这种“先想后🍌🦓画”的机制，不☝🏬仅解决了文字🦊渲染、逻辑混乱等🎷长期痛点📳，更重要的是让 🦍AI 🐵😂第一次拥🍒有了“🐛设计意图”—🇩🇬—模型会主动问🐎自己：这张图要传🧰递什么信息？观🙃众第一眼看到👨👧🇺🇳什么？数据是否🇧🇾🏠清晰？ 提🇵🇫示词： 生成四🦚🍒格漫画👨👩👧👦🐯，主角是一只叫‘🤷♀️阿橘’的橘猫💞🈺，主题是‘🌳🧚♀️AI 帮助人💴🧙♀️类画图🐽😱的故事’👨👩👧🛴。
**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SPPO移植🔭到了五个↗☘经典的强化学习🤶🏜控制任务上：精🔺📴密版C🇳🇱🇻🇨artP🧮🐾ole（🇪🇭👨👨👦👦控制杆子不倒👩🚒）、Mount☑💖ainCa⛵r（让小车爬上👞山）、🌗Hopper（双🇱🇦足机器人🏈🎰前进）、🇼🇸🧕Lunar◽🇲🇬Land🏳🤼♂️er（月球着陆🇦🇺🙌器着陆）和Pen🧯dulu🇦🇺🕶m（保持摆🌑👩🔧杆直立）⚾。
