（来源：上观新闻）
研究团队用数🌗🇧🇫学工具仔细分析了🎵GRP❇😓O的运作机制后发😓现：GRPO👵之所以奏😐效，并不是因为🇬🇫🦘"多采样"本🅿身有什么神🧳5️⃣奇之处，而是因ℹ为它在不知🇦🇫不觉中把整个推🇲🇾理任务从一种框架ℹ切换到了🎴🇵🇱另一种框架🍺🇦🇨。公司已布⚔局防爆的履带、⛏四足和轮足重载🏄🇿🇲机器人，并研✔发重载人形📵🤨机器人🔝以补全场景覆盖🤘🖱。现在，🥁有人想让👨🦱🇯🇪AI代替人类🥌完成这整套工作，🍅📮而且是从✍头到尾、不依赖🇰🇵人类干预，连🏑续工作几十🥖个小时🤝🦕。
每一句，🛳🎆都像是写进判🇲🇪决书的法院🦕说理🎞☯。第三种方法叫㊗合成数据SFT🇾🇹，收集👒每个能力练👨👩👧👧习场景🥾的成功轨🛂迹，然👩🏫后做监🐲督微调，结果只有🇱🇰🇲🇦37.8%🌔😁。这些模块的实际设👩❤️💋👩计属于🚣♀️专有信息，🕘本报告不🇧🇳再赘述🧛♂️。最后还有一点需🚲要说明：🐺该芯片尚未🌰🇧🇬实际生产🇦🇿。尖端芯片的设🛰🇽🇰计流程📏🚪包含许多🐈不同的步骤🏃♀️，每个步骤的耗✔🇱🇺费量都💸🛳堪比一🍣📷个大型软件项目🎛📒。
要让代码真🛋正跑起来，需😐要配置运行环🤷♂️境、下载数♻据集、获取预训🍇练模型，并将所有🇨🇴🕹这些资源🐛💧拼接成一个可运🍗行的完整系👨👩👧统🇳🇱🇵🇳。谈到 Thus 🇸🇿🌇与现有芯片的🦡🍁区别时，安克 C📡👽EO 阳🔺🦡萌说：“到目🐇👨🦰前为止，所有🚄 AI 芯片🇸🇿💯都是一边存模🥯型，一边做计算⛽💻。“如果你连🔪👩🎓‘龙虾’都👨⚖️还没养明白，🏃♀️⚙‘马’其实可以🕹🎡先放一放🇮🇶☠。
