（来源：上观新闻）
上代的小长焦给🕰取消掉🇸🇩了，有点可惜📥。通过在游戏🅿🧵环境中将SF🌠T（监督微📣🥏调）和GRPO（👩🍳🏤组相对策🚮略优化）结👙合，将抽象的社会😹😨规则嵌🚳🚡入AI的神⌚☕经网络中🇦🇴⛪。与此同时，一批在⬇🇸🇴企业研究院深耕🆔多年的科学😎家，也选择🐒🥛陆续回到国内高✍⚰校，从单纯的企🍳🇦🇸业研究体🧘♀️⏳系重新走进一批🎉🍁兼顾学术研究和产🌻业培育的高🐋校研究院⏮🦅。
该项目的工作流🚏🍩程如下🥗： 01 首💇♂️先利用小规模🏡真值轨迹🌍🤵训练逆动力🐦学模型（I💋🇬🇦DM：🛄Inverse 🥌Dyna⏳🌨mic Mo🍊del），🍺🌃使IDM🌔🌺在仅观💘🚑察视频🛴🇦🇲时推断细粒度的🤜键鼠动作序列📲🚬； 02 随后😺用该模型对大规🐓模公开视频进😹👨行自动动作标🥦注，形成系统🐇化的“💨视频-动作”弱监🚹督数据； 03 ❇🤤在此基础上，👇🚝通过行为克隆在自🔪🥵动标注数据上训🌷练基础9️⃣👬策略，使♒🐐模型能从视💺📼觉历史直接预🍒测下一步💋键鼠操作；🚍🐲 04🎛 模型通过小💛样本微调⏰适配特定任🗳🥒务，或在可定义奖🌋🚖励的环境中结🇺🇾百度竞价托管外包合强化学习提升🌋🍺目标性能💅。
