（来源：上观新闻）
相比之📽👩🚀下，直接在目标☑场景里进🧘♂️🥏行GRPO训🇧🇾😭练的曲线🥛🇨🇺显得波动🛰起伏，甚至在🍗📓3840轮😎次时出现了🐖下滑（从37.8🗣%跌到35.🧟♂️4%），最终停🤺🇨🇳留在37.8%🛃🌨。AI科学家🏃在使用Gemi👩🏭ni-3-Fl⚫🌋ash作为底层语📝言模型时，平均☑🐸得分达到3⬆🇧🇫0.52分📇🦡，比同条件下🇩🇰最强的基线系统🦌🐊高出9🇻🇳.92分；🇲🇿🧲使用GLM🛹😦-5时🧁↗，平均得分🚡🤮达到33.🌻💩73分，比最强基🏂🔧线高出🥡🔁11.🇩🇿📐15分🏅🇭🇷。
研究团队认🌍🇲🇴为，自主长周期🚾机器学习研究🇨🇺工程本🏩🇲🇱质上是一个🏗**系统协🏌🇩🇴调问题**，而不⚾🥗仅仅是一🏙⏫个**局部推🗺🥂理问题☯🇸🇪**🇨🇱。这组实验表🍱明，SPP🚔O的优越性是算法🔸🧞♀️本身的🇭🇲🈸特性，在🇮🇸SEO/SEM不同的任务场景下⛪🖇都能复现🐾📯。C2今天能🇨🇰用双足双手打羽❔毛球、实现精准回🇫🇴🇩🇯球，未来也能🚓🇵🇲用同样的🔰🇺🇦身体协调能力🌩↩和强化学习框架，📅🇩🇪向更多现实场🇻🇳㊙景“外💶😢溢”：迁移🇰🇪到整理👩🏫🇵🇬桌面、搬运↕物品、端茶递🇲🇴水等更多生活🥩互动场景🧝♀️❄。
