（来源：上观新闻）
在去年🌇🥙11月的特斯拉💓👇股东大会上，股东🌷们投票否决了这👩🎓🥁项决议🗒💋。在几个对比方✏法中，直🏃♀️接在目标环境里用🌆⚖强化学⬅习训练的模型（G🧀RPO on🚪🦚 Ta🚿rget）🛴🤘能达到37📈.8%，一种使用🔤🌼通用合成环🎽境训练的方🎮🗄法（AWM）能🇾🇹🔍达到38.4%👨🚒，而一⛑🖋种通过优化系🏁♟️统提示🗓词来植入🦖🦑能力描述的方法🇰🇭🇨🇩（GEPA）能🐕🌗达到39↕✔.6%🏤㊗。
去年9月，👗🤜研究机构DA D👹avidson🤼♂️🎏曾估算称🌐，谷歌TPU业务🐄加上A💈I部门De🤣🛍epMind🧹的总价⚪🌑值约为900🆘0亿美元🙅♂️。此外，它还引👩🦰🕦入更复杂的记🧯🇻🇬忆后端，👨👩👧👧🤧GOOGLE优化对历史对👨🦰GOOGLE优化话进行抽🛹象，以🕠🤧提取用🧢🧛♂️户偏好、行📭为模式等更高层🇲🇳🍉级的信息😾。
和Ope🕡🧛♀️nCl👔aw一🇧🇭样，Herm🤾♂️🇬🇭es也7️⃣📙是个开源的Ag👩🍳💪ent项目，由📇🇸🇾Nous 👩👧👦🐮Research🇫🇷团队于2🌥🇫🇯月25日🇸🇾推出🔣📴。Q3：🦸♀️👺TRACE🚋和直接在🚾目标场景🌧里做强化学习训💧📢练有什么区别↩🎻？ A：直接在🇧🇻🇲🇲目标场景做🥽🧖♂️强化学习（GRP🔶🇮🇹O on👖📿 Target🆑🇬🇩）训练时🧗♀️，模型🦡从任务整体成♥🗣功或失败中🇯🇪学习，无法精确归👩⚖️😔因到某种具🐟🇱🇸体能力，👤🇷🇸容易陷♟️🙆♂️入不稳定或过拟🍫合🐾。
