（来源：上观新闻）
“我做的是PMF🛩🐥，即产品符合市🎢场需求⚙👩❤️👩。训练方式是💮一种叫⬜👨⚕️做GRP🇳🇬😒O的强化🇹🇦🛐学习算法：🇻🇺AI在🎚⚗练习场景中一次生5️⃣❔成多个不同的答案📮，系统根☀🤕据每个答🎏案的好坏🤑给出分数，然🇨🇽😡beautitul的中文后通过对比🧩🧗♂️组内分🦜数的高低来💻💂计算每个答案🔟应该被强化还是削🥅弱🙏🍓。
第三，采用🇧🇲Muon作🇨🇫🆑为主优化器🌘。这种转💔🎍移的核心，是🚖科技不再试图把人🎦🏅拽进虚拟的屏🚇🧛♂️幕里，😙📬而是主动🇲🇲走到真实的物理世🚭界中来陪你🕉🔂。下一轮工🇮🇳🇺🇬作必须正确理解并🗓🍡建立在🌜前一轮的基础💌😋之上🇩🇰。综合来看，引🐤👩👩👧入失真图带来🕝了约15%的👴👨💻整体性能提升👩⚕️🖱。
大部分多智能体‼📄系统（也就是由多🔒个AI代🍛🤗理协作完成💛🔙任务的系统）依赖🐎的是"对话接力🚠"：一个AI完👚成一段工作后🕤，把结论用语言描📩述给下🚕一个AI，下一🎮👊个AI基于☠这段描🈳🎟述继续🚺工作📎。据我们所知🔨，这是自主6️⃣代理首次从规范🍁🌺到 GDSI📵I 构建👲出完整🐺的、可💐运行的 CP☃U🇨🇴。没有人知道，这🛡张牌桌还🕶能坐多久🍺➕——但所有人都清⏭🏅楚，牌🕶局，已经变了🔃。
