（来源：上观新闻）
测试结果显示🚳，在难度最高的🔜Hopper和😕💇Mountain👚🆒Car任务上，🗯标准PPO几乎完♓👵全失败，成🅿🦍功率停在接近零🇹🇩的水平；而SPP👑👨🎓O成功解决了💛💮这两个任务⏮🥴，成功🔇🙀率稳步🤒💯攀升😻🍘。One 🚯mor📍e th🌍🐍ing 论文的⭕🔈结尾有🇲🇲一份长长的贡献者👷🕰名单😠。
在几个对比方法🧠✔中，直接在目标🇧🇷环境里☝🇦🇸用强化学习训🇸🇾📯练的模型（G🕎RPO on T🤯arget）🧦💻能达到🎬37.8%，🖊👉一种使用🇦🇽通用合成环境训练🎉🇺🇦的方法（A🦐💁♂️WM）👳能达到🎚👋38.4%，🇿🇼📢而一种通过优化系😦统提示词来植入🇪🇸能力描述的方🐎👩👦法（GEPA1️⃣）能达到39.6🇺🇾🌅%📇。
现在，有🐩人想让AI代替人📅类完成这🧱整套工作，而且是📺从头到尾、不🕜依赖人类干预，连🙇♀️💶续工作🏊♀️🚏几十个小时👨🎓。过去二十🇻🇬年我们🏐🇳🇷为人类造的🤯那一整套互联网基☺🇨🇺础设施，Ag🌓👱ent 基本用不👙👩🌾上🙉🗼。假设一种♓症状在发烧的🏀🇵🇱患者和😠健康人中出现🎦🇰🇼概率都是5🏣👨💻0%，那么这种症🇸🇰🇧🇭状对于诊断🏃🇯🇵发烧几乎没有🔑🌪价值🍈🌮。
