（来源：上观新闻）
“虽然最开始使用🙀Her🇬🇱🌗mes的几⚖次对话，跟Op🇬🇺enClaw🐺🇳🇱的Token🦀消耗量差🐥不多，但越🚹往后聊，🕘会发现Her🧧🇮🇹mes消耗的T🐿0️⃣oken反而会🌘少一些🏵。AI科🔟学家在使用G🥞emin🏃♀️🧰i-3🇮🇩-Flash🦇作为底层✏↩语言模型时，平均💋🐝得分达到3👙🔊0.52分，比同🗣条件下最强的基📹⛺线系统高出9.9🐜🇹🇳2分；使用G🎣🦈LM-5时，平👤均得分达到33.📽73分🈯🇮🇷，比最强🇪🇦🇸🇯基线高出🦷🈹11.🇵🇷☮15分🛬🇱🇨。
过去的🔊🇭🇺思路是给AI灌😧输更多数据，或者😶🔖让它在目🔬标场景里▪👍反复试🇸🇯🏀错；TR🤴ACE的思🐰👨🌾路是先🧘♂️诊断后🗞治疗，找到具体♒的薄弱👩⚕️点，再定制化🇸🇸🇹🇲地修补🥿。**六、✍📀不只是纸上谈兵🦔：在经典游戏控制✈8️⃣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CartP📥ole（🍝控制杆子不倒）💣💫、Mou🕹ntain🇸🇧Car（让💙小车爬🛴⚫上山）、Ho♏pper（双足机🤚⛱器人前进）、Lu👘🇳🇿narLande🇦🇺r（月球着🇩🇴陆器着陆）⏫和Pendul👔🖐um（保持摆杆直🕉🍍立）🐀🍠。
