（来源：上观新闻）
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🚦（GRPO on🌖 Ta🇭🇷🙇♀️rget）能达到🙈📻37.🇨🇼8%，一种使🤘用通用合成环境🔬训练的方法（A🖥WM）能达到38🌫🌵.4%，而一种通👩❤️👩🇰🇵过优化系统提示🚹词来植3️⃣🍻入能力描👨🏭♥注册域名查询网站官网述的方法（GE🔀PA）能达到39🇻🇦.6%😏。他向记者🤶坦言：“我之前🇧🇶㊙在阿里🇵🇷📄巴巴、字节🌕🔹跳动等🌄大厂工作🦖🏰，后来🐳🇾🇹去了硅🙂谷，跟🏬一些朋友👩注册域名查询网站官网交流，发现✳那边氛围很好，几🛐个人一碰就🔘🏸能做新项目🐻。
但它有🇦🇶🏢两个无可🧲替代的优势：👨❤️💋👨注册域名查询网站官网 24小时👗🍐在岗，不会累、🎩不会请假、不😈🥍会情绪化⏩。坐在对面的鲁豫🇧🇼🍐，则站在观众的视🚏🤴角，表😏达了对AI演🉑员的看🚣法🚶♀️👘。最终它确实找🦛🥂到了解🌪决方案，但🏖在此之前🇵🇰👨👩👧👧，它已经走了🇲🇬🥙许多弯路🥪🔆。分析过🇸🇰程分为两个阶🐴😂段：先是"🕠🐝发现阶段🎈🐅"，分📈析AI通过检👼🐱查所有记录中的🌜🌦工具调🥀👉用、工具返回♻结果和最终📂🇹🇷回复，归纳出🇬🇾👀一份候选能🔷🛴力清单，并🏊♀️📯为每种能🏃力起一👼个固定名称和‼◼描述；然后是🔔"标注阶段"🔮，分析AI拿着👠🇦🇮这份清单🇬🇩，逐一🔔检查每条任务◀记录，判断每种能🏓力在这条🍭记录中是🥾"不需要"😖、"已正确执行🌌🇸🇿"还是"本应执行🇺🇲😭却没有执行"🇪🇦🇻🇬。
研究人🈯😊员发现，让AI🎅学会解🇾🇪数学题、🔝注册域名查询网站官网做逻辑推理，需💋🇫🇴要用到一🎳🏒种叫做"强🔞📴化学习"的🔋训练方法——🇳🇺本质上🦹♂️就是让AI不断尝🤒🔤试、不断根据反🐹🤧馈调整◻。在没有明确任👂务目标⚛的情况下，A🇪🇷🙈gent往往会☠📺反复试错，消⚰耗大量Token😹😷，但产出🚔🌘并不稳定🌤🇪🇪。明明也💍于同日发布🅰声明，称新领🐭导入驻后，🦝✒公司整体🦛直播模🚞式与运🦟营风格彻底🇵🇭👩🎤改变，这种文🇨🇽化上的转变，我很👨🏫🏌️♀️难认同⏭注册域名查询网站官网。
