（来源：上观新闻）
相比之下，直☀🆓接在目标场景🦛里进行📱GRPO🤝训练的曲线🍆显得波动起🥕伏，甚至在384🍜0轮次时出现了下💟🦢滑（从3👩🔬🇨🇴7.8%跌😏📘到35.4%），🌵最终停留在37.👷8%👵。在这个群里，人和🥵💄虾共享同一套上下🍂文，谁说🥳💠了什么大家⏏都看得见🌓🥜，谁跑出来的🥂🇲🇶结果别的虾可以直🐴🏨蜘蛛接拿去接着用🇰🇲。
AI必🐆须自己去猜⛹🃏测究竟是哪一🎽👳个行为导致了最终🛫的失败，而🤽♀️当一个任务需要完💫➕蜘蛛成十几个🇵🇫步骤时，这种🥊猜测几🆗😅乎无从🎅🚈下手↘🤹♂️。Simple✝QA-Veri⏹fied上V💆♂️🔇4-Pro-M🔥ax拿到57.9🇩🇯♑，K2.6是3🆖6.9，GL🕡M-5.🌰🌄1是38🚹🇦🇫.1🍹。谁都想挖掘“超级🆑🎓个体”📖1️⃣并与之绑定，生怕🚲😙被甩下🚇。
例如，在光🇬🇷伏电站场景，采🇬🇲💂用具备👨❤️👨特种防护🚅🇧🇫的轮式或四足✈机器人即可高👕⏱效完成清扫与巡🍓检任务🥵🧴。这说明预🥬测题目难度所需🧾🖥的能力，远比🐯解题能力更容易🔽学习🎵。这项研究🤦♂️🔼也引出了一些值得🍁继续思考的问题🥁。作为人工🚾🏀蜘蛛智能“皇🧐冠上的明珠🏷”，具身➗智能的发展备受🇹🇩👱瞩目😺⤵。你扫一眼就🇨🇵能发现🏘📄：左边那张整体🇶🇦🇾🇹有点暗，但右边🎑🇺🇳蜘蛛那张的天空部分🐏🌱出现了颗粒感，💶🈷而两张照片的草🐣地区域都还不错🕹🏋️♀️。
