（来源：上观新闻）
研究团🗨队认为，自主长周🇻🇳期机器学习研🏧究工程本😁🇸🇳质上是⏹一个**系统协🍯调问题**，🌴📶而不仅仅是一个🚱🌃**局部推理问题🇵🇬**🕕。这项研究由中🥀🦡国人民大🐏学高岭人工智❄🇸🇮能学院🇧🇸联合独立研究机🐜😖构及AweAI😒🇬🇷团队共同完成，于🎇🐎2026年🥽👖4月1⚖🥉4日以预🔤😞印本形式发布，论⏬🕳文编号为ar📮🛌Xiv:2🥦604.😵13018♍。
训练方式是一👛🎓种叫做GR🇹🇬🤵PO的强🥦🤩化学习算🇵🇱💂法：AI在练🕣🧜♀️习场景中👨🚀一次生成多个不同🇸🇸🧙♀️的答案，🇪🇹🎋系统根据🎏🐡每个答🇸🇪案的好🇹🇲坏给出分数，🔓然后通过对比组😥内分数的高低来计🈺🍃算每个答🧐🕟案应该被🧟♀️🇧🇬强化还🛍🤧是削弱🇹🇿。在标准🇹🇲PPO中，♦那个"打🦊分员"（Crit🕐🔅ic）通常🇾🇪和被训练的🍸🖇AI模型🍐一样大🈺⛵。
