（来源：上观新闻）
他在机器🇲🇫人强化学习领域🇭🇷的标志性贡献是🤰提出了 SAC🚵（Soft🏜📰 Actor🇲🇺-Critic）✴算法，该算🌅法凭借出色🥕📣的样本效🗨🇰🇬率与稳定🛏😑性，已成为👨🔧当前机器人策略👨⚕️学习的🈚主流框🍺架之一🇪🇭🐐。可验证性让某件事⛲🇱🇾在当前范式🇰🇮下变得可行，因为🍼🍋你可以向⏯它注入大🌈量强化学习🏊♀️。
行业进入下一阶段🙋后，竞争重点开👨👨👦☔始从单次演示🏕🚭转向长❌🇧🇯期运营🇵🇹➕。不过，杨大卫坚信🇦🇮🦊，只要方向正确，👩👧👧终会有所收🇱🇸🍚获🦟。所以这是一个很好🔬🆓的例子，我希望📰对于 menu😙🥬 ge✴🥕n，我能向 L🥤🐢LM 👇发出一个提示词🉐⏰：构建💸🍯 menu 🏌️♀️gen，然后👬我不需要触🌙🍕碰任何东西，它🐸就部署好了↗🌀。
接着我不断提出更🇹🇱👃多要求，结果它们🦍依然表现得❔很好🇧🇶。传统的 CP🚕😋U 将不再是主角🚲♠，神经网络📬🥊将占据算力消耗🍰🎛的主导💪地位，成为系统💶👉的“宿💢🇬🇲主进程🦂🇰🇮”ℹ。
