（来源：上观新闻）
DeepSe🇲🇹ek追求的一直是🎚❎另一条🦵🏊♀️线，同样能力🔒下的成本下限🔢☹。在精密CartP🇧🇦🇲🇷ole上，SP🐍PO收敛速度明显🌜🏈更快🇷🇴。两种方式都有一个🐚共同的缺陷：🇧🇿🧽AI从训🔯练信号中得到的反👔馈，是💵🕛"这个任务整🖨🚇体成功了"或🀄"失败⏩🤺了"，而不是🌂"你在第🧦三步查询数据时出🤫了问题"🚾。Q3：TRA🤶CE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（↪GRPO👔 on Tar🧧get）🥬6️⃣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💳🔊。
当然，这个系🌟统离人类顶🇧🇧♦尖研究人员的水平🇱🇰🦊还有距离—👵—在PaperB🇪🇪🐃ench🇲🇿上，顶尖🏀🏁机器学习博士生在💮🉑48小时内🤖能完成约41%🧞♂️💿的评分要📳求，而AI科🇱🇨✝学家目前👩🎓达到的是约3🎙🇸🇷3.7😞3%🛐🚸。但真正改变世界的☃不是硬件，是5️⃣ App S🇸🇮tore，🧸是后来的🔰微信，是✅🌧连接方式🧘♂️。而在通🍪👩👩👧👧往精品化的道路🇧🇩🏙上，长视频平台🇵🇱选择了“向深🇸🇩3️⃣”的路径🍤。
