（来源：上观新闻）
GRPO在💞使用8个样本的🌊情况下🧟♀️🖖，综合平均分提🇧🇯🏫升至47🎎.08🚁😡。这个任务📦⏬远比"理解复🏌️♀️杂推理过程"🔦🇺🇸简单得多🤬。与之相比，🇪🇺GEPA（一种通😨🐡过优化🛷✳提示词来植🍦👚入能力描述的方🛁🦷法）在超过4种能❓🥪力之后就陷入🇰🇮了停滞，无论再🎢描述多少种能🇮🇷🐘力，效果不再🇬🇲🤪提升🤽♂️🕘。据外媒 T🇩🇴he Ver👩🌾ge 今日（4😿🇵🇼 月 2🥌😟2 日）报道，今🏑🚵♀️年 3🥕🇳🇮 月流出的消息🇷🇸🚹显示，首🍁🐬批搭载 Thu🎳s 芯片的耳⛲⌛机很可能是 L⛴iber🏀🙇ty 5 Pro🚻🌲 Max 🕛和 Lib🎞🐩erty🌇📻龙少泛站 5 Pro，🇲🇴🗞预计售价🚎分别为 2✔🧭29.🎑99 美元😰（IT之家注：🧓🖋现汇率约合 🧥🔭1572 🚉元人民🛑龙少泛站币）和😋 16🥕🗽9.99🎹😊 美元（现汇率约🦸♂️合 1162*️⃣ 元人民币）🔼。
对比V🧛♀️🍗3仅用14.8🇸🇴T Tok🚬en训练💨，V4-F🔳lash ➰与 V4-P🦐ro 的♨🐀数据消耗🤐🇻🇨量分别达到了32🧗♀️🥶T和33T🇸🇱👆。研究人员通常有📛🤛两种选择：要🍕🎭么给AI看🚦大量来自各种☘🚅场景的训🕶练数据，🏎希望它🦇🕎能从中"悟"🚵♀️出各种💗技能；🎡↗要么直接在🍃目标场景🧩里训练AI🏞🔱，让它从最终的🧟♀️成功或失败🙃中学习👓。
