（来源：上观新闻）
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（GRPO 🧗♀️🗽on 🚎Target🔼🤧）能达到37.🐦🇻🇳8%，一种🍵🧺使用通🇪🇨🇾🇪用合成环境训🍃🆖练的方🛃🏫法（AWM）🗑🦞能达到38.4%🕊🌑，而一种通🇹🇳过优化🚕系统提示词来植💯入能力描述🇸🇹的方法（GE🧒PA）能达到39🎵.6%👂👨🔧。这是因为💵打分员需要🏷理解AI在每📝一步的输出，从而🔷估算当前局🌻面的价值👩❤️👩💍，而这种🎽👩👩👧👦理解能力要🎃求打分员具备和A♒I相当⛵🇧🇬的语言理解能🐉力🙎♂️🎋。
研究团队认为，🎑🦡自主长周期机器🎰学习研究工👱♀️程本质上是一👨👦⏳个**系统🏵协调问题*🕯*，而不仅🥶仅是一🚧个**局部🤽♂️推理问题*♥*🧀。框架是一种软件🥢，它强制人工🔛🌛智能智✅能体按照结⛹构化的步骤☮🇳🇫执行任务🛍🐠。有人询问🤟😧，Meta员工6️⃣🗳是否能拿到📍8月15日归🏰属的股票，这是📎3️⃣部分员工薪酬方案🇦🇷的一部分❔🎪。--- 三😴、"薄🇦🇿⏪控制、厚状态"：🇩🇬🧨一套听起来奇怪🐆🐗但非常有效🈸的工作方式 研📽究团队用一句😸话概括🏒了AI💥🚝科学家的设计核心🦊："薄控🇲🇰🕗制，厚状态"🎑。
