（来源：上观新闻）
而这，正是具🚭身智能🇺🇳😋这几年开始在♏🤲尝试的事情⛄。实际使用时，🌱系统需要根据用⛎户的具👗😯体请求，判断当前🇧🇹🥎任务最需要哪❕种能力，然后启⚛🔜用对应的插件🇮🇹。他们开👩👩👧👧🎓发了一💁♂️🏸个叫做AiSci🚈entist（以🍡🇧🇧下简称"AI科🇧🇱💳gtm什么岗位学家"）的系📯统，并在两个♉🙈业界公认颇🕳具挑战性的🍕🈶测试基准上验证🈷了它的能力🇲🇪。
因为羽毛球天🇸🇽🇵🇲然需要一个对手，⚛你不可能一🎛个人一直对着空🕗🇺🇳气挥拍🇮🇶。而最终的反馈只有🦏一个："🇸🇷🎰答案正确"或👹"答案错😂误"➿🇨🇷。真正的😽🏁工作细节——🇬🇱🔩论文分析、代码、🏇↗实验记录、错误日🇧🇦🇸🇮志——都保存在一🆎个结构化的共📠📭享工作🇹🇱区里，任何专↪业代理😁🍏在需要时都可以🉑🥯去读，而📰🇹🇻不是靠着"上一轮🇩🇰❔对话的记忆"来续🇯🇪接工作🏩。
**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C🇲🇭👨🦲art🧚♂️Pole（控🥚制杆子🍍🇦🇨不倒）👩👦📅、Mountai🍈nCar（让小车🇪🇭🔶爬上山🕌🚨）、Hoppe🇸🇹✒r（双足机器人🚉🧨前进）、Lun🇲🇨arLan🇱🇸der（😪💄月球着陆📆器着陆）和Pe🥀ndulum🇮🇨🐾（保持🚇摆杆直立）🗺。
