（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🇱🇰ses是什么意思执行计划出发，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🇰🇿。
**六、不只🇬🇭是纸上谈兵：在♈经典游戏👥🇪🇭控制任务上的验证🇬🇩🤱** 为了排除"☎👩❤️💋👩成功可能只是因👋🀄为在某📠个特定🇳🇴训练框架下的🛸🕕系统优化"📂🔝这一疑虑，研究团🇨🇽队把SPPO移🇾🇹植到了五🎬个经典的强化学习🧣👆控制任务上：精🌹密版C🈸🐲artPol🔩e（控制杆子🎌不倒）、♿Mounta🇨🇺🚷inCar（🚐让小车爬上山）、🇨🇨🔙Hopper🚫（双足机器🥔人前进）、🇨🇨👗Lunar🏦Lander（👩🔬月球着陆器着👨🔬陆）和Pe🇫🇰ndulum（🚯☔保持摆杆直立❓）🙇♀️💁♂️。
