（来源：上观新闻）
不过他们♥🤛做了自己的♎🇸🇩版本，h💧ybri🦐🇹🇩d Newto🔂n-Schul😑z迭代，10🛀🚵步分两段👫。研究团队用数👒🐦学工具仔🔥细分析了GR📥📤PO的运作✊机制后发现：🇬🇧GRPO之所以🦸♂️奏效，并不🐱是因为"多采样"8️⃣本身有什么神奇💳📟之处，而是因🤽♂️为它在不知🇲🇻🇫🇴不觉中🏍🍲把整个推理任🇬🇦👯♂️务从一◽种框架1️⃣💒切换到了另一🔦📥种框架📯🎆。这组数据🍃背后的逻辑🥯是：当训练场✍景与目标场景完🏭全一致（即直接🚘🦢在目标场🎒景上做GR🇩🇪PO）时，模型🥃👩❤️👩很容易陷入过拟合💋🌶或训练不稳定🕊的状态——它🤱🕔学到的🧝♀️可能是🌡特定题🏊目的答案🎼，而非通用📂🇨🇿的能力；而T🏠RACE的练习🚀🚘场景经过专门✂🇲🇷设计，每道题都🤢🍊由随机种💯😜子程序生🇨🇻成，变化无穷，A🇪🇪I练的是"能力本🥏🇱🇷身"而非🕌"特定题目"🛩🈯，因此能够🔱🏍随着训练轮🛁📐次的增加🐬🚍持续稳步提升💁♂️↘。
引擎二：🇬🇺高校具身智能教🍀育装备“🔭🕵换机潮”：受国家😓政策驱动，高校实🖇🥑训室升级需求🤚😖将在202👷6-2027🧹年快速爆🚬💻发🚠。基于这一架✈构，WALL👨👩👧👦-B实现了三👁项现有模🚺🕺型不具备的核🍹心能力： 1📢. 原生🛳👝多模态+本体感 🅰👨🦰WALL-B从🛹训练第🚖一天起，🔧就同时接收视觉、👨💼🖍听觉、触♐🕦觉、语言、动🚇🖕作等多⛷🚆模态数🇬🇧据，实现“😀😌多模态进、多模🌐态出”🗃。
SimpleQA👩👩👧👦-Verifi🏳🥁ed上☕🌵V4-Pro🔫♏-Max拿🧠到57.9😘，K2.6是36🇨🇻🙂.9，GLM-5🤼♂️.1是38.1🍶👨🦲。记者了解到🍚👩🌾，从大厂体🔈系切换到O♐👨👨👦👦PC模🦂5️⃣式，姚双对创业边💎🤨界与自我能🦆力的认知也发生🐉🚯了一些根❄👩🎤本性转变🕝。SPPO每道🦎题只生成1个🧚♂️🥂答案，在相同时间🇸🇯⬅内能完成更多轮更🍘🕴新👨🦲。然而，半导体行业🛅严苛的工🇧🇿艺变更🚐👠认证流程🎐📱成为最大障碍⏲🌟。
