（来源：上观新闻）
--- 六🤷♂️😒、实验结果：🐵两个基准上的表现🏦如何？ 研究团🌵🎺队选择🥛了两个互补的🛤评测基准来全🐔面考察A📐🐜I科学家🐲的能力👨🎨。鉴于这些原因，我🎂⚪们认为由经验丰👡富的架构👆师指导诸如 D🚗🇲🇳C 之类的系统仍🗄👒然至关📯重要🇧🇻🇰🇼。它用系统化🎊👌的方式解决💒😌了一个长期🥡⛑困扰AI训练领👉🇮🇷域的难题：♓怎么让一🐂个已经"基本合格⛷"的AI🚿💼，在特定⬛场景中🇬🇪🥡变得真正可靠👏。
”一个人，就是一👷♀️支队伍💶⏹。设计方案是一个🎪🕧“动态”文档📪🥈，DC 会🗣🈹随着其架构中任何📖👋功能或时序问题的🥥🎬修复而更🇲🇽新该文档🧯。汇博机器人通过👦校企合作🐘🔚构建“数据制造🇸🇰🇰🇬与采集工厂😐”，获取海量基🦟🇩🇪础数据以训练机器🔂人的通用物理常👩🎨🚟识；同🇵🇬时，在工业、能💨🧘♂️源等垂📂引蜘蛛软件直领域采集少🗃量但极高价值的⛺“特种🇹🇩数据”⌚🇹🇬。
为了确认S✂PPO的优🚖势确实来🙎🏎自其核心设计🇨🇵📃思想而非其他因素👟，研究团队还做了😪🇹🇨一个对照实验：把🇲🇿🔻SPPO用来训🕙练价值模型🇮🇲🤱的方式（二🇨🇦元交叉熵损失）💍直接嫁🙋引蜘蛛软件接到标准P🧾☁PO框架上，其🍷🔫他一切保持📁📐不变，命名为"🔖PPO +👤5️⃣ BC🥪E"⏰。
