（来源：上观新闻）
GRPO在使用🇬🇵👱♀️8个样本的情况⛏💣下，综合🇹🇨✉平均分📁🌗提升至47.08🏘。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🇸🇸👨👦👦。
研究人员😤👅发现，让AI学会🇲🇶🤽♀️解数学题、做逻辑👃🧟♂️推理，需🇧🇳要用到一种叫🥵〽做"强化学习"🎷的训练方法——本🐖质上就是让AI不❗断尝试、不断根据❔反馈调整🐙🇵🇹。”他判断🌰。至于演🇦🇹员能不能🦎在家躺着赚钱🔑，还不好🐺说📹。
如果说🏭去年的热点是短🔷🍀剧，今年🐽🤮的风向，😦则是A😬👌I😋🌠。此外，它采用层🇦🇮🌈级化编排，由一个🥜轻量的指挥官🏬调度多个↙专业代理😧（论文理解、任务🎭规划、代码实现、🥝实验执行），🍃😸每个代理只负🇿🇼责自己的领域，🤝避免了⬆🤳单一代理承担过多🏴☠️🇱🇺任务导🦃🇦🇿致的失控🦴🇮🇲问题🔡。
