（来源：上观新闻）
标准PPO从基础🗃模型的52.49🇬🇩分提升到56.🎌🍝44分，进🐊🧪步明显但并💎〰不突出🗡🤼♀️。**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SPP👩👩👦O移植到了五个🍯经典的强化学习🛎控制任务上：🕞精密版Ca👨👧👩💻rtPol🇬🇸⏲e（控制杆子不倒✒）、Mounta👨👨👧👦inCar（😁😠让小车爬上山👰）、Hopper📑🛎（双足机器🗒🌂人前进）、🔟Luna🏍rLander（🇱🇺👩🏫月球着陆器着🀄🇬🇲陆）和Pe🔦✔ndul🤫um（保持摆杆🧞♂️🥺直立）⁉📡。
其一，这些模型🥣🍀在训练时🔆接触的🕸🏕数据基本🤾♀️☣上都是以整👨👩👧👧张图片为单位的🆗🎌质量评估，🕐🚕从没有被专📝门训练过🥕"逐区域分🇦🇴🤘析"这件事🤪。一个最🍄直接的信号，🛑是版本号🤺。上周 A💏nthr👩❤️💋👩🙉opi😇c 发了 🥰😬Opus 4.🙇7，这周 👩👩👧👦🈂OpenAI📏🤮 上了💸🇦🇹 GPT I🗾mage🇬🇦🇷🇸 2🤙🚺。
