（来源：上观新闻）
这个约束带来两个🗂🚶♀️好处🔂🇲🇰。**六、不只是纸🏊♀️🐫上谈兵：在经🎃典游戏控制任务🇻🇨🆓上的验证*🥣* 为了排除"🇲🇾🐘成功可能只是👖🔆因为在某个特👨🏭定训练🖖框架下🐑的系统优化"🥙🖱这一疑虑，研🛍🚘究团队把SP👒PO移植到了五个🗽🇪🇺经典的强化🥥🛸学习控制任务上🇸🇹：精密版C🕊art🍉Pole（控制杆🍏💀子不倒🧘♂️）、Moun🔚tainC🙋♂️🍬ar（让小车🎡爬上山）、Hop🧫per🇦🇲（双足机器🇬🇪🇱🇻人前进）、Lu🔑👮♀️narLande🦹♀️🤢r（月球🤢🚝着陆器着陆）和P🇦🇺endulu🇱🇻m（保持摆🇻🇪🐰杆直立）📷。效率只是具身智📤能的起点🌗🎗。
如果AI每次🧨都"忘记"之前👨👨👧👦🌾做了什么、发现📻了什么，它🌥就会一直在原地🔻打转，🚢反复踩同👨👩👧🗺样的坑🗒。这个基🇲🇬准共分三个难度级🇩🇯别，每👨🔬级随机抽🚎🤩取300🇲🇴🏜对图像🏞👛scm。比如，一道题预估🐯🇲🇷答对率为0.3（🧓很难），📓scm但AI答对了🐔，那么优势信号就📱是1-🕗0.3=🇹🇫0.7，♻🧝♂️scm说明这次表现🇱🇨远超预期，需要⌛大力强化🇰🇵这个推理策略🤨🇯🇵。这些场景的意义，🕞远不止于羽毛球😸本身😬。这位老师不会🇺🇸scm随意给学生布置题😏目，而🔡🇰🇲是先仔细审阅学生🐇🐺的历次🏉🕑考卷，找🍬⏲出错误背🥨🐞后的规📙律，然后专门针对📁薄弱知识🎽🤚点设计练习，最后🍊🙎在正式考试🇬🇶➰时，根据题目类⭐🧬型自动调用学生最🎆擅长的解题♓策略🍺。
