（来源：上观新闻）
因为发🇧🇮🏛音相似，🐢🌐中国开🍘🏘发者直接🚵叫它「爱马🏴🇩🇪仕」👮♀️。研究团队还会🔃重复这🐭个分析过程多🖖🇸🇽次，只保留每次⚠📯都稳定出现的能力🔴🧘♂️，确保结👨🦰🐑论的可📥靠性🧝♀️🇨🇻。
**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Ca🛌rtP🔹🏊♀️ole🇪🇸⛹️♀️（控制杆子不🔪倒）、Mou🎫💢ntainCar🇬🇫🔂（让小车爬上🦴山）、Hopper🖍🔊（双足机器🇰🇬人前进）、Lu🇸🇪🇱🇾nar❣⬇Lan📅蜘蛛咬了怎么处理der（😐🇨🇰月球着陆器着陆🍟🍺）和Pend㊗ulum（保持💀摆杆直立）💇。
这样，每一轮工作🥤🏎的成果都真实地〽沉淀下来，🏒😗后续的代理可👨🏭🐻以站在前人☂工作的肩膀🇬🇦🥁蜘蛛咬了怎么处理上继续推进🌆，而不🧥👩❤️👩是每次都从🎺零开始📋🕢。于是，他们又讨论☺用国内的镜像站，🗨🚯最后解决了问题🇦🇱。从训练🥍蜘蛛咬了怎么处理轮次的😔角度看，以7️⃣👩⚖️τ?-Bench🥏👘为例，TRAC📬E在不断增📹加训练轮🈹次时通🌉🐶过率持续稳定上升🗃，从0轮次🎶👾的32🇸🇲🃏.9%🛹💇♂️一路攀升到51🇩🇴🗣20轮次时的47ℹ.0%🥾，曲线几乎是✊🕵一条平滑向上的🍡折线🐁⏭。
