（来源：上观新闻）
这些“对🦆🇲🇳抗性测试”暴露💴了致命短板，即🥌😇仿真环境难以精准🈶🌖还原物理🔽🍍世界中的复杂⬅摩擦力、材料形☝变与接⛷触动力学，导致策🤳🛁略在真实场🇹🇫景中极易🇮🇱失效，🔁该方向一度🗿🥏陷入停滞🇵🇪。但Agent在⏭🏡用索引时，♾️🇺🇿我们看🦎到Chat🍨GPT、Gemi🔓🏳️🌈ni、Cla👫🤠ude👩🎨更倾向于使🛫👨⚖️用互联网的“长🛷尾”📔。正是因为这种😣🦒训练方式❓，这些模型最终形🦷成了一种"锯齿🇹🇻状"的能力图🌉谱——在数学、🌟代码等可验证🍝😞领域能力极强👓🎱，但在可🔳🍎验证性较差的🥔☎领域则🏏👨🚀相对平淡、表📰🇰🇳现粗糙🚷🇪🇦。正是那种认知让💬🦖我彻底陷入了所谓🧦的无限副🔥🎃业研究中📍。
原因在于：前沿🐨实验室在训练这😡些大语言🗒🇹🇯模型时🇧🇷，是在构建巨🇳🇦大的强化学习😖环境，模型会被⛏给予基于验证的奖🇪🇸励信号🧧🏓。这会把中✉👨国企业推向👨🦲一个更现实的问🌷题：AI不🇬🇺👩👩👧是能不能🧠🕟做，而是🌘做了之后能不能长🚄💜期跑、能不👦👨👨👧👧能算得过来🕹🐡。降成本、标准化🈴、批量化，这🇸🇲不是同一批人会做😌的事，也不🚖是现在⛱🧜♀️的航天🇯🇲🍌院校在培养💠的方向♟️。也就是运🉐🤠行 S🕗hell 🚹🇱🇻脚本来安装 💹♣Ope⚡🔘nClaw🅾💕。
