（来源：上观新闻）
4月25🎚日，东方📱👩👩👧👦甄选主播🤢中灿、林林也🎎🙍宣布离职💽🛐。Agent🇷🇺 之间怎么发消息🥫、怎么传上😦♑下文、怎么⤴交付成果、怎么建👨👩👧👧🌞立信任🏹、怎么🧨🌵管理权限，几™乎是空🖲🍎白📧。速度之〽🕚快，直接滑出了屏㊙🧬幕，围观人群🎿中响起一阵🎽叫好声🏓。”科罗拉多大👨👨👧学博尔德分校🥧法学教授🇸🇾🥣安·利普🏆顿(Ann Li➡⭐pton)表示🥶。这在长序🌄列里尤其有用，能🗯💁♂️避免模型被迫把注🇸🇽🌧意力均摊💁♂️。DC 可能需要🚏🈷多个子代理实📡🈷例协同工🐫作才能及时完成其⬆任务🗞🇧🇩。
MoE用1个🇼🇸⌨shared ⬅💡expe🇩🇲rt + 3🍦84个🚗⏬rout🤶ed expe☎🎑rts，每to😧ken激活6☺个📀。领先所有开🌴源模型2🛥Ⓜ0个百分点⭐🔏。十几个🇯🇴sem投放exper🛄t通过on🛥🍄-pol🇲🇱👑icy dist🇸🇨🌇illati😨🤵on合🔹进一个统一的st🇬🇩💑udent😨⏩。这是因为打🌴🙊分员需要理解A💓I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🌶。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（GRPO 🚂🌆on Tar🤺🇦🇷get）🇰🇭能达到37.8%👽🧥，一种👿😌使用通用合🤦♂️🚀成环境训🍧🦛练的方法👨👧（AW👨👩👦👦😋M）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%🇻🇺👚。
