（来源：上观新闻）
**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SP🍄👔google reviewPO移植到了五个🌩🧛♂️经典的强化🙍👩👧👦学习控制任💫📽务上：🏣⛔精密版C⤵artPo👨❤️👨le（控制杆🏳️🌈🈴子不倒）、M🇲🇾👱ountai🈹🍿nCar（让小⛷车爬上山）、🔽🔈Hopper💮🧗♀️（双足🧁🥿机器人前进）📐、Lunar🔟👨👨👧👦Land🇲🇵🤹♀️er（🇵🇪月球着陆器着陆）🇸🇰🇨🇽和Pend🇨🇵ulum🇸🇿（保持⌛🇧🇧摆杆直🇶🇦🏳立）🗝🚁。
” “不是每个🚹人都能用好AI🎚👭。Code📠🇦🇷for📨ces r👇🙆ating☹🇪🇬 32🤔06，超过了🇧🇷GPT-5.4🏷😄的316🇬🇩🇱🇰8和Gemini🐖-3.1-Pro🦘🏋的305◽🔉2，在人类选手🌡😤榜单上‼排名第23🕐。Pro有61🔍👀层，Flas⚒h有43🍾层，C🧿SA和HCA一层👩⚕️⛅一层往上叠🔟。
对1M 🛎📺token🇰🇬🔂的序列，原本👛需要a🎍ttend 1🏴🦛M个t🕛oke☀🏃♀️n，现在只需⏮要attend🐼🇲🇩 10🇹🇿🇧🇻24个压缩块👜🧼。打分员🥂😇必须把这个唯🍅一的结果，沿着🏠几千步的😗⭕推理链条，🧂♥一路往回分配功劳👿🥶或责任🇦🇸。
