（来源：上观新闻）
这个差异说🇲🇹👈明，单靠🇲🇭⚓文字描述能力✂、希望AI在提示😖词层面"领悟"👨🔬，存在根本性的上🇬🇳限；而🔋🦊通过真🐾👘实的强化学习🇲🇷训练让A👨🎨I内化技能，才🍢👨💼是真正可以🚶♀️🌿持续叠加👩🦱收益的路👨👩👧👧🔡径🏓。模型一🎪层一层堆，梯度🇩🇴🥵沿着残差往👨❤️💋👨回传，这是深度学👨✈️习能wo🐐👷♀️rk的前提👠😩。默认采用4层，😥🌛研究团🇽🇰队还测试🏡了2层0️⃣和6层🌙的版本👩👩👧👧🆕。毕竟明星🈶的脸，还能被粉🌸丝或者路人认出来👊，但普通人的脸🕯🙉，若非100%相🏘似，又如何🕌👠证明“这就🚵是我”？ 曾几何🐢↩时，演短剧是过气🕗艺人的翻红🇦🇬🚣路线之一🚴♀️，没想到风向转3️⃣🐁变得如此迅猛🇧🇫，这条路🇸🇪子就快要被AI堵🇬🇬🌆死了🇳🇷🧡。
在几个对比🇳🇨👩⚖️方法中，😵直接在目标环境里🎬☀用强化🏊♀️☺学习训练的模型（🔪🇧🇼GRP🇷🇼➗O on T😦🇱🇰arget）能达🆑👨🍳泛目录排名代发到37🤦♂️.8%，一种🦕使用通用合成环境🇻🇨训练的方法（AW😱M）能达到38🚍.4%，🍵而一种通过优化🎛系统提示词来植入🤽♂️🇲🇴能力描述的方法（🇳🇮GEPA）能达到👨⚕️39.🥙6%🇲🇸🇲🇪。
