（来源：上观新闻）
1. 📬🇬🇸 关键功能 我们🇰🇲🤯列出了 DC 旨🧞♂️在实现的一些🇨🇰关键功能🥃。Q3：TRACE🏌️♀️和直接在目标💚🤝场景里做强化学🙉习训练有什么🏳⛳强引蜘蛛工具区别？ A：直接🗝在目标🇧🇬💵场景做🌧4️⃣强化学习（GR🛃PO on 🐮Targe🇿🇼🗑t）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💡。
换言之，每完🎵成一次任务⏰，Her☮mes会从执🤓⏳行过程🔚总结并保存一个🗡🥋个Sk☪ill，下次🧜♀️遇到相似🇱🇨🔏的问题时，它🕠可以直接加载这🛑🧐些技能，🇬🇱并在任🇨🇱务中持续完👩🍳善迭代👨👩👧👦。GRPO💈🏟因为每道题都🤝🃏需要生成8个答🔄➿案，训👩💼🌰练进程推进得🔡很慢↖。
操作上比较📕🇦🇱简单，我演示🛸下主要是给大家看🦝🇧🇱看流程🇹🇨。方法论听起🎮来很优雅🍘😞。第一层🕙🤝是序列长度👮♀️🤑压缩，n🚾🈳变成n/m🎰。腾讯视🗝频副总裁🇫🇰🇯🇪孙忠怀观🤺🐚察到一种新的创作🇨🇬力量正在生长💂🇾🇪：“‘5到20✒人的创作小队’👩🏺，能做🦙💟出过去需要🔫🥇几百人协🥟⏩同的内容🤘🕢。
