（来源：上观新闻）
董事长📕成锐指出，如🈸🍓果在具身智能领域💣🧂仍延续“采购😆硬件+调用🇦🇸开源算🧗♂️🇵🇪法”的传👳🌉统路径🚃📞，即便将机械臂🧦🥴替换为👨🚒🍓人形，也🏙😹不过是“在别🇧🇯人的地👨👨👧📉基上盖房子”🍻，无法构筑🚒🍚长期竞🇩🇬争壁垒🦠🍼。该公司目前正在🌻🤺与日本大型光刻🇱🇦🦸♂️SCM系统胶制造商就🎽这些材料的供🤸♀️🛄应进行讨论🔛🇳🇮。但如果另一种症☄🇭🇰状在发烧患者中🧀😏出现率是90%，🇰🇾在健康人中只有❤🦈10%，那这🕞➡种症状就是很🇧🇮强的诊断指标🇸🇴。据了解，👩🎨这种“👡人味”背后，是动🍠易科技采用🌰🏭多阶段🔪🧦强化学习训练出的Ⓜ🐞一套自主控制系统⚰——让机器人像小🚷孩学球🐵🔗一样分👳🍞阶段练，最终练出🇦🇱一种能实时决策🎄⛽的“球感🍡🐹”🦐🌨。
而GRPO🧷🇵🇲通过把整个答案当🕍🥁成一个整体💷来评分，实际上🕯🥎是把解题任务变成🥎了一个完全💝🌍不同的模型——技🇩🇪术上叫做"序列级🇹🇷🌑情境赌博机"（S🇹🇫equence➗🇮🇳-Level 🇦🇱👁️🗨️Context🐩🎨ual Ban👸dit）🔮。**四、PAND😹ASET：为💮这张"体检报告🤾♀️"准备🎓🇧🇮训练数据** 🕛一个好的AI系🇹🇴☹统需要大量🏗🐁高质量的🐒🤯训练数据🌈。
没有模块边🇼🇸😔界，没有数据🇲🇽🃏SCM系统搬运，没有信⛓🛶息损耗🥋。这是因为打分员需🕌🤭要理解🤸♀️🇾🇪AI在每一🧯步的输出，从而📥🇸🇹估算当◼📗前局面的价值🇲🇦🔉，而这种理❎🚂解能力要求打🌆🇱🇻分员具备👬🇳🇱和AI相当的🇷🇴语言理解能力👨👦。如此一来，标准P🤦♂️PO训练⌚出的A⚰🏤I，往往不仅没有⚖🧚♂️进步，甚至比训🌩练前更差🇲🇵📤。那时候大家都📢在卷硬件参数⏱🎳，比屏幕🎤、比摄像💔🥔头、比🥺续航🛷🇵🇼。前三个头使用🌏交叉熵损失函数（💷🥰适合分类任◀⛵务），👩🎓🏃第四个🇱🇧🏆头使用L1损1️⃣失函数（适〽合数值回归😁任务）💶🏩。
