（来源：上观新闻）
在ToolSa💰ndBox上，系👩⚕️🤷♂️统识别🇧🇻🏜出了两种🍳关键能力薄✂🕠弱点🚲🏄。**一、训练A🈶I推理，为什🍨🇵🇦么这么难*🌯💀* 要理💙解这项研究的🤕🎿价值，得🔖先弄清楚AI推🏒理训练🌥的现状👨🔬🕟。它把所有🎊💕中间成果都以🤯文件形🇦🇷式保存在一个有🔞权限管理的共享🇲🇴📍工作区📦💪里🥦🎼。GRP✝👥O因为每道题都🇨🇫需要生成8个🏑答案，训练🇫🇷🇹🇱进程推进得🇭🇷🧜♀️很慢😧🍃。一个1M的⛓上下文，在V3.🇳🇵💻2的成本结构下🇲🇷是不可持续的，K💕🍘V cache↘会把显存吃光📌泛目录泛域名。
“这些都🌶🔪是存在利🦅益冲突的交易⛅⚛。。先说Hyper🇲🇶-Con👳♀️🍚nectio💛🇧🇴ns（HC🇸🇸🚷），这是Ki👨👨👧👦mi团队之前提🚱🇧🇼出的想法😃。85人的🇾🇹🌐内部开发者调研🎵里，91%表示V📀🔁4-Pro🇸🇦可以作为主力co🆎👧ding模型👩👦👦。**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"🗑泛目录泛域名这一疑虑，🚚研究团队把💈SPPO移植🌬到了五个经典的🏺🆒强化学习4️⃣控制任务🔇🚴上：精👡🇬🇷密版C🏌️♀️📓art🚯🤟Pol🌞e（控制杆子不倒▪）、Mount🖼ainCar（让🙄小车爬上山）🔮泛目录泛域名、Hoppe🧾r（双足👪机器人前进🗓🤼♀️）、L🐾🐒unarLan🦐🏡der（月🤬🇨🇦球着陆器着陆🎙🛩）和P😈🍻end🇰🇾ulu🇻🇬m（保持摆杆直立⚫）🇧🇸9️⃣。
