（来源：上观新闻）
那时候大家😦都在卷硬件参数，😼🇨🇵比屏幕、比摄像头🇼🇸、比续航🇲🇬💝。由于每种能力😥只对应一个单词🌐（比如A、B、C🕢），模型只需💽要在这些候选📀🙆词之间选择，判🌝断过程极为高效🖍，每次任务只增🈲加几秒钟的额🎟外时间🇩🇲。
训练方🚑😡式是一种叫做G🐤RPO😅的强化学习算法：♿AI在👏练习场景👩💼🎿中一次生🇸🇴成多个不同的🇨🇵🍑答案，系⛎🕦统根据每🍤👩🌾个答案的🐚🚈好坏给出分数，然📋后通过对比组内🇧🇮🦙分数的🍩🦌高低来计算😉每个答案🕥♾️应该被强化还是🇬🇼🕝削弱🇬🇸。
事实上，🌇😱今天的双足机⛩📯器人能后空翻，🇨🇦🍬灵巧手能写毛笔🌞字，力◻👽控关节精度已达🕛毫米级🥖👽，问题出在智能🗾🇸🇪。LLM 会话由🌝👘工作服务器🇰🇳🚣管理，所🇩🇯有工作服务器都与🎬🗻中央数据🔲🤽♂️库同步🆓🌫。
