（来源：上观新闻）
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（IDM：♉🤯Inver👸🚺se D🇬🇫🔴ynamic M🕐odel👯），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🇮🇷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0️⃣🔋调适配特🇫🇴定任务，或在🇰🇾可定义奖励的环🧙♂️🐚境中结合强化🔴学习提升目标☣性能🇰🇼。
「有图有🇳🇪真相」这句话🇬🇳🥫，正在成🚛为一个笑话💚🌓。这一范式的🇦🇶🇰🇼出现揭示💽了游戏模拟的🐘🇸🇾物理规则🎎在AI时间感知算💼法迭代上🏃♀️的独特赋能价值：▪❕借助明👋🤑确的阶段🔤性目标、可😒量化的进度🐐🧽指标与可👨👩👧重复的😯💚任务结构，游戏🏥🔮为智能🔡体提供了压缩时间🗨🇬🇭的学习场景——⏸🇦🇱在虚拟世界👢🦓中数小🌽😭时的训练，往往可😘等效于真实世界中🦵🇰🇪难以获得的长🌮🕎周期交互💭🍃。21世纪经济报⬆道记者 🎟彭新 重👩🔧👁️🗨️塑定价🚌格局，🖤📖DeepSeek🌠再度登场🇩🇲🚲。
