（来源：上观新闻）
它有两种😳工作模式：当系🇶🇦统还没有🌶🌃可运行🧕📦代码时，它↗🥪从分析文件和执🇪🇹🇻🇳行计划出发🏦，从头搭🌧📝建整个代码仓库🍶🇹🇨；当已🥴经有代码但实🕹💄验出了问题时，它🛑😯切换到修复模🥢式，根🕜🔻据实验🚄日志中记🇰🇿🚞录的错误，有针对🦇🕳性地修改代码，😵并把每次⛏🍡重要的代码决策🤥记录在实🐌现日志中🇻🇳。
核心思🦒路可以用一个生🇦🇴活场景来理🙁⏳解🤟。法庭和公共记录🕥💌显示，到🛀🌼2016年，🇲🇴SpaceX已🧣🇧🇼向SolarCi👨🦳ty注资2.📋做软件的叫什么职业55亿美元🛀🧜♀️。第三道关🐞卡是"延迟反🤥㊙馈"👨👩👧👧。--- 五🆖🥀、四个专家加一🇻🇺📩个指挥官7️⃣：AI💯📕科研团队的内☔🤸♂️部分工 AI科🍠学家并不是一个单🥋🏗一的"大脑"，💤🇲🇱而是一个由多层次🐵代理组成的协🇦🇸作团队⚰🥽。
在后训练阶段，🧶💋V4这一代做了一👨👦💦次方法♐🈳论替换，传统的m🍮😙ixed RL🥀阶段被On-P😰olicy Di🆔🔖sti⬇🧾llati🅾on（👖🏴OPD👩🎨）完全替😬代🇲🇾。这种"回归均值🧤"的行为实际🤳上对训练是有益的🍃——它不会因为过🚱😛于自信或过🈹于悲观而产生扭曲🇧🇯的训练信号⛰，而是🚫🦵始终保持🤸♂️🌊一种适度的不确🔷👨🎓定性，让真正的"🐒超常发挥🏳️🌈🇹🇫"和"出乎意料🇮🇪👮♀️的失误"都🙄能产生足💌🦠够强的纠正🚶♀️🚵信号🇬🇦。
