（来源：上观新闻）
这些任♌务被专👨👨👦👦门改造🔹✨成类似AI🧖♂️🇰🇲推理的👪📺稀疏奖励模式：整🈯🦈个过程中没有任🕔🚐何中间反💓🇨🇺馈，只在最终时🇧🇬💜刻给出"成🇵🇫功"或🎋🥞"失败"的二元结💮果🆙🥑。吴维斌曾在接受《🇨🇨🥜Vista看🇨🇵天下》🐘的采访时透露👎，原来日均2👨👩👧万的威亚戏🏔，如今🍞😡AI几块钱就能迅🚬速生成，真人的🌃🇸🇬付出变得廉价🔪🇭🇲。
“我们发现，💆♂️更好的方法是🤙让 A🏊🍰I 代理解决整个🇰🇷问题，”他说道🤦♀️。结合数字💷🛀孪生领⚰🔈域的Sim2Re🇫🇮al（虚实🌅迁移）技术，这一💰↩闭环数据体👆系能显著降低对💌昂贵实🇵🇰测数据的依🇿🇦▪赖，从😦而以远低于🇿🇲同行的成本，🛹💎训练出既⚓能应对复🏣📏杂恶劣💘环境又具🇫🇮😋备高度智能的🇦🇿📺垂直场景专用大🇭🇰模型🧖♀️。在此过🇱🇺🕛程中，如果发现与🚆 Spik💨🇧🇬e 的结果存🤐🥍在任何差异🔯🚉，DC 会观察相🍚☁关情况并检🇲🇳🚽查 VCD 🐾文件以调试👎问题🎐。在1.5B规模🐱（15亿参数🥳👨⚖️）的模型上🇦🇲，标准PPO🇲🇺的综合平均分是🚺44.06，甚至🎤低于未🚜经训练👱👯的基础模型（4🐂❄4.96🇲🇺🤓）🥉。
