（来源：上观新闻）
而同体量🏹的真人短剧，预算🚕®在200万↙元左右，周期在🍞3个月以上🥈✋。这种安排使得💜🙈指挥官的"💏🏆工作记🚶♀️🧷忆"始终保持轻盈🏳️🌈，从而能在整🥓🧧个几十🧞♀️小时的任务周期👪内持续稳定地发🇧🇹👞挥协调作用⛰。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 📽🌥Target）能🏰达到37.8%，🤾♀️🎀一种使用通用🇫🇴🇬🇫合成环境训练的🍤方法（A🐬🎩WM）能达到38💥🐢.4%，而🛤🅿SCM是什么简称一种通过优✳化系统提示词📽⚪来植入💼🐀能力描述🇧🇦💗的方法（㊗GEPA）🇧🇼📱能达到🎌39.6%🥤🌳。更关键的问题在7️⃣于，这些模型通过🛒"监督微调🇸🇸🈁"（可以🏐☸理解为"刷🧢题训练📊🤷♂️"）的方式习得🚒了固定的回答模板⛈🇧🇲，就像一个♦学生死记硬背了几🥯🇫🇷套答题公式☢🍲，一旦遇🕥🆗到没见🇽🇰过的题型就不知💱💫所措🙅♂️🎩。
ToolSand🇬🇧🕧Box上也👯♂️呈现了相🏌️♀️同的规♍律：TRACE的📶曲线稳健上升👥📛，最终达到0🧘♂️.552✨，而GRP🎎🇹🇦O和GEPA则分🇩🇬🗯别停留在🌩0.519和0.🔳⛈520🍴。这意味🇭🇷着价值模型确实🇳🇬学会了区📎分难题🎧和简单题，虽然不🔁完美，但相关性足🅿够显著，能🇻🇮🇳🇬为训练提供有效🇹🇬的基准信号🇲🇸🤠。”Meta👩👩👧👦首席人事官珍妮尔🥐🗓·盖尔(Jan🖌elle G🙂🇦🇷ale)写道🇮🇨🍉。如果未来每☪个人身边都🚿有几只属🦢🆙于自己💵😎的虾，而这🧟♀️些虾之间🇨🇽要频繁🥢协作，那是⛽不是真的需要一🇹🇨⛳整套平行✊的基础设施，专🎃门服务于硅基世🖕🈲界的社交？通讯层📭🏪SCM是什么简称、协作层📦🦍、身份层、权🤺限层，每🌑一层都要为 🇬🇱🤓Age⛓😍nt 再写🛸一遍🙋♂️⛏。
