（来源：上观新闻）
哪怕VL🏆📡A或者世界模型🇲🇶🦌训练得很强，它😉✨们多数🦕还是在👨🚀😺做拧螺丝、搬运🎲、分拣、抓取这✏类单点任务，🐅🚵像一个工具箱，但🥠🙌还不是一个真😧👴正会成长的可靠员🕚工✂📎。。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（ID🇬🇹M：I👁️🗨️👨🔬nve🇸🇽rse D🇱🇹✒yna🇨🇦mic🕡📑 Mo🤦♂️del）🇳🇿，使I🙄DM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； 0🔄3 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🥭。
然而，由于排🏂行榜的激励机制🛥sem运营过于强烈🇳🇮，加上智能体缺🥯乏人类的生💷理限制，系统🤘🕘最终演化出了一个🍻意外的纳什均🧱🍲衡——所有AI✊🏺都选择📇🇱🇸“007✋”工作制（全天🚯候工作），因为🐄🧴任何选择休息的♣🇸🇲智能体⛸🍖都会在竞争中💊落后🚕。游戏构📠🏄♀️建了一个包含合💚🇩🇯作、竞争、欺骗🇹🇻👩🎤与谈判的微🤮👟缩社会，这是🇿🇲训练AI处理复🍀👨🦳杂人际关系与社会🥟伦理的绝佳🧽👩🌾场所🥭。为了在游🇹🇱🎳戏这个🇧🇲不稳定的🥬🕗物理流中实现🐥🚑稳定训🦑🛬练，DQN引🇨🇭🐩入了两🕵️♀️👵大关键机制，完📛成了从👨👩👧理论到工程落地的💒飞跃： 01 🏈⛅经验回放：DQN🌲🇨🇼将游戏🇳🇪✂过程中👀的历史操作存储🚚在一个巨👗大的记忆库🇰🇭🥓中，并进行随机打🇦🇶🇸🇾乱与重采样🕵。
这种缺失使得🎓👨🚀AI在面对👩🏭sem运营涉及长周期因果🌐🔳链的复杂👨👦👦任务时，难以🍉sem运营准确预测当前📪🍚行为对📇未来的🚟延迟影响，从而导🏴致其无法在动态环🕚境中维持决策👛的长期一致性🎐🦋。这还不🎤赶紧薅羊❇🧧毛（doge）～🇪🇭。中翔航空杨🐬飞对财闻🚽表示，目前对🥳无人机的强🐲🌷监管也是一🤼♂️件好事，至少说明📏国家正着力🍂清理低空区域，为💸未来的空域管理规😻范做好准备🐕sem运营。
