（来源：上观新闻）
训练方式是一种🕯🇧🇱叫做GRPO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🚤👞。
我今天最想写的🏮，是 Kimi🇺🇸 在 K2🙊🇲🇿.6 这😶🤼♂️一版上做的一个👨👦👦🔞特别有🇬🇶🇲🇳意思的产品创新🐑，叫 C🎾🔹law 群组🇦🇮。DC 通🚲过专用知🎷识库获🎣🔻取特定知识🗡迅雷磁力搜索引擎蜘蛛。
研究团队🇲🇻💇将AI科学🌬💬家与非层🌀🇪🇪级化的🇮🇨简单代理（在📤🕕Pape🍧🎰rBenc🐘h上对应🙋♂️👩👩👧👦Basic🚏Agent🐠🚶，在MLE-🏖🖨Bench Li🐘te上对应AI🎌🇸🇭DE）🌟进行比较，发现即🏉使是去掉文件即🥨🍫通道机💂♀️👩🎓制的"↘🛁残缺版"AI科学🌜🕺家，在Pape💣rBench🍤上仍比B🍏asicA🐥gent🍬高出4.74分🈺💡，在ML🛤E-Ben📥🤥ch Lit🔥e上的"高于中位1️⃣8️⃣数率"和任意奖牌👩🍳🌒率也分别高↖出22.73和9🦙🦉.09🐩个百分点🕓。
