（来源：上观新闻）
484天后🇻🇺，我们谦卑🤛🇸🇬地分享这份爱🕥🎷心的劳动🔀🍎。在内部测试🇵🇹🌿中，模型对🇧🇦👳♀️复杂指🇪🇷令的遵循率提升了👨🎓 3.2 倍🤱🙅sem全称。这个基🇧🇲🌖准共分三个👨✈️😼难度级🧞♂️💮别，每级随机抽取🕶🇦🇼300对图🇷🇺像🛫🍋。但斯坦福大学🔆的研究团🏮队采用了💂🇹🇯一种截🐹🇸🇲然不同📏🇳🇵的思路—🖼—先像🎃🇲🇽医生一样🌹🇲🇰给AI"做检查🇮🇴"，找出它到👇♊底哪里👨🍳👧出了问题，然后专🙊门针对这些薄🏂🌼弱环节设计练🦴🚶习题，让AI反🎿⤵复练习直🥰到真正掌🇷🇺握这项技能⛸🤭。
这组实验表✊✊明，SPPO的🎠优越性是算法本↙身的特性，在不🇧🇿同的任务场景🥜下都能复现🇵🇭🇸🇨。目前的机器人🅾💅在任务失败后🚷，通常直接停止🍂🤫，返回错误信息🦕🇸🇨。在没有🈷🔄上手用这功能之前😹🤲，我其🎎实觉得它就7️⃣是一个 Age➗nt Te🦅am 🇹🇰🔍的翻版，但真正放🕓到群聊的界面🇲🇺里，发现还是🚨有非常多的惊喜🕋☢。AI短剧《☦🤶霍去病》剧照 一🧷夜暴富的，屈🇪🇨🇧🇴指可数，更👩⚖️多的是黯然离场➰🐹。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🍼 Tar💊🐠get）能达到🚻🍸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👩✈️⤵%🇸🇰。
