（来源：上观新闻）
光有算法🕸还不够♨⏸。这个判断过程完😯全由基础模型完🙎♂️成：系统👋给基础模型👨👨👧👦展示用户请求📏，以及每种能力的🇭🇷描述和一个典🧝♂️🌆型案例，让模型预💺测哪个选项最匹🧢📃做软件的叫什么职业配⛓🧯。这种思路对普通💜🇷🇸用户意味着什么🎽👨🦲？以客服🛡🥤机器人为例，如果🆚一家公司🔐🗳发现自己部署的👩👧👧📑AI助🚘📆手在处理退换货时🤜👨👨👦👦经常出错，⤵不需要重🇳🇴新训练整🇹🇭🌷个模型，也🕌不需要从🧥⛹️♀️头设计训👇练方案——只需要☹🏰收集一批失败记录🈲，跑一遍🍋TRAC🍍🇧🇱E系统，🤥🇺🇳几个小🐉👷♀️时内就能生⏮📞成针对这家公司业🇵🇲务特点的专项训🤞练，修补😔🥜AI在该场景下的🍼🙇具体短板🥨🍿。
王昊在发布会上提☔➕出了两个🎿🎤很有趣的概念🇦🇹🚺：“糖水数据📞”与“牛⭕奶数据”🧴。在这个测🇪🇺🏜试中，基础🦗🇧🇲模型的🇮🇶🎼通过率是32🔈.9%，航📣空领域24%，🖼🌵零售领域3🍃🎮6.8%🇯🇵。由于单次💀流片的成本可能🏊🇩🇲高达数千万美元🧪🇬🇧，因此🇮🇨🚣在生产🇭🇲👿过程中“修复”缺😀🏄陷是不可接🇸🇨受的😴🦴。现在，马斯克准🔍备将Spa🆓ceX上市，🇷🇸这很可能成为🦹♀️💆史上最大规😙🇬🇾模的首😉🏕次公开招👤😉股(IPO👳)之一，💎🤑他将需要向华尔街😢及其他投资者负🇸🇽🐤责🆙🏏。
实验数据⛑😨显示，SPP🤹♂️O大约在2👫2小时内就🏦🇨🇺能达到约58分的🖥🇸🇾峰值水平🇫🇲🇸🇩，而GRPO等📣方法需要明🏐显更长的时间☎📊才能达到可比水平9️⃣🥂，整体👝🇬🇫速度差距👨🚒🍎约为5.🐫🔫9倍🙀🧹。与更简单代理🎳🇯🇵的对比🍩同样说明了🇰🇼🦞问题🇨🇬。而真实家🇮🇷庭数据🐋🇹🇯，才是模型学会在🎣不确定环境中生存🛩🇼🇫的关键🧖♀️。复杂任务天然🚇😀做软件的叫什么职业就适合这种结构🍼。
