（来源：上观新闻）
数学任务向数学e🛳🍶xpert靠，编🎏程任务向编程e🐭xpert靠🗨🍮。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🅿。“这种带记忆的🅰自主智👇能体方向，是未🇨🇽来所有成熟Age💕🦝nt的🐊🦅必经之🐑路🇳🇿。这就像从"这道⬅菜整体还行"🤣怎么自己创建一个网站变成了"这道菜的🇯🇪汤底很好，但🔢✒肉有点老，配菜💗火候不🧤💛够"的专业🥅🧽点评⛵。第二种叫😥🕟"日期🥿🌫时间推理"：🎪🤓AI直接尝🔧🤾♀️试心算🏗🛏Unix🐜🦵时间戳（📙一种表示时❕间的数字格式🍣⬆）来推算🇦🇺👨👨👧当前日期，而不🇧🇿🇵🇫是调用专门的📍时间转换工🇰🇾📒具，结😾果频繁算错💰。📌 “思考💎模式让模👩❤️👩👨型理解🗻‘我到底要🙊画什么，👨🏭🐓为什么这么画🇨🇨’🦸♀️。
4. 结果 （🇵🇹1）定量分析 🚉表 1 显示了 ❄🌃VerCor📈e 的关键定🇧🇪量指标🥟。论文原话📋非常诚实，这两个🦝🇻🇨tri🤲🚪ck wor🕝k，但底层机理仍🇹🇫是open q🤡ues🐐tion🌊🚇。（4）正🤓确性与验🏔🇰🇿证 在出货量🦇达数百万颗芯🦁🚝片时，“凭感🧗♀️🎐觉设计芯片🤷♀️🈺怎么自己创建一个网站”是行不🚹🏃通的4️⃣👳♀️。使用更🇮🇱小尺寸价值➗🇨🇮模型的S🧚♂️🚦PPO组合更⁉🙉是拿下了所👨🦰有测试方法中的🇰🇬最高分♍👨👨👦👦。这项由🌩南方科技大学、🇫🇷北京邮电🕔大学、微软亚洲🐃研究院、上海财经🚵大学、🇦🇪📣清华大学及IN🕎⛄FLY TECH🌡🌟联合开展的🇻🇮研究，以预印本🐎🅿形式于202🌜6年4月发布🇦🇱，论文编号为a⚛👰rXiv:2🇨🇻604.💅😏08865🇨🇳。
