（来源：上观新闻）
回头看，人类每🐆一次和技术的关系✴变化，其实都伴🕢📇随着自📗7️⃣我理解🧔的更新↪。但现有主⛑流训练方法存⏮在根本性🇧🇯🤮的缺陷🥒👒，而这篇💄🍽论文提出😼的新方法，❎正是为了💉彻底解🐣🕺决这个问🏬题🐪🤖。更巧妙的是，♟️😒练习题的难度被🇳🇨🅰刻意调整到一个"⬜甜蜜区"——基🔃🐃础模型大约有🇹🇰🧾30%到6🇵🇼🥠0%的概🌶🇨🇺率能答对〰。
研究人员发现，📅让AI学会解🇧🇼数学题、做逻辑推🥘理，需要用到一种🇩🇬叫做"强化学🕹🛍习"的训练方法—🎙✈—本质上就是🇸🇴让AI不断🎪🛶尝试、不断🛳根据反馈调整📵🇸🇽。根据法庭🇨🇱🇩🇴证词，尽管其内🦉部规定♏🤞禁止这样做，S🍗⛈paceX还是🕍💵购买了这些债🧑务🤭。
