（来源：上观新闻）
多层次强化学习将🖼🍍任务分解为多个🤾♀️子目标，通过层🍍🔃次化的🛐🚋策略网络分别学🏄♀️习不同层次🧜♀️的空间决策，能♿⚰够显著提升智能🇵🇰🧩体在长期任务上🇧🇫👩👧的表现； 记忆增🇸🇱🙄强架构引入🇧🇫外部记忆模块或基🤰于注意力机👩👧👦制的Tr🔰ansforme👎r架构，💡使智能体能够存储🇹🇭🎭和检索历史空🏠🇻🇨间信息，🇮🇱🎙这提升了🤐🧲AI的跨层感🏊知规划的任🇬🇾务得分； 引入内🇬🇱在奖励机制（❄如探索奖励👩👧🛄、预测误差奖励🐹）来驱🛫🔐动智能🏜体的空✍间探索🛄行为，使智能👩👦🇭🇷体能够更快地建👨👦立对环境的全局认🇦🇲🕌知； 🧴符号与神经⏪混合方法🇬🇱💁♂️结合符号推理与神✍经网络🐸的优势，使用神🧟♂️经网络🏤进行感知🖼魔术泛站群与特征🔊提取，使用符号🦈🗳系统进行🇹🇨高层次的空间🇬🇵规划与推🇦🇲🐯理，在可解🌋释性和样🥀本效率🦡上表现🤼♂️🍊出优势；🧴♊ 零样本大语🏍言模型Agent🐥🇧🇬在提供充分上下🚠🇪🇹文和清晰⚰🇩🇬任务描述时🇳🇮能有效执行局🏒🍺部任务，但👨🦰📆在自主长期游玩🐐🔅、模糊目🇮🇴🦑标与缺乏显式🛀反馈下表现明显不🐫如基于规则系统🐈的Agent💲魔术泛站群。
花旗认为🥜🇦🇱，这一👏现象凸🇰🇬♏显当前AI大🇬🇭🧖♀️模型赛道中开源模⛰🥪型与闭源领先模型🍖日益加剧的▫🇳🇱两极分化趋势😜🇨🇰。此外，游📢戏环境🔰的高信噪比反馈🏀🔃，使得较小参🇨🇫数规模的模🇨🇲型也能通过交互📰🇾🇹式学习达到惊人的🇦🇽效果♍。修订后的协议理🚍🥔顺了双方⚛合作的运营细则，🛷同时保留了微🇦🇴🖨软在 Op🏥🧧enA🏡🕋I 的投资持🏕股权益🍆😻。
