（来源：上观新闻）
这是因为前沿实验🇨🇴🇰🇿室在训练这⤴🇦🇱些 LLM 时，🔶采用的是庞大的强🚶🥧化学习环境🐆。第一条是“🙆♂️仿真迁移🍙（Sim-to💛🍘-Re🇹🇻🔺al）”路线，以🍵🚪 20📍18 年♦ OpenA🛳🛢I 的 🎾🎣Dactyl 🧟♀️☔项目为代表🎦，逻辑是在高🌭🐢保真数字环境中👩🏫训练策略后部🙆♂️署至实体机械手🇭🇲。这就是这类代☦🇧🇼理仍然会出🗳😯错的地方🧚♂️🎌。
。主持人🌬 期待几年后再🏃次相聚，到时候看◻看我们是否已🍎经被彻底自动化🕚出局，连理解本🇵🇱身也被接管🔍✈了🈶🧚♀️。这也解释了为什🍠么CPU/G🍾PU配比正🏳🚛在变化🚓。他曾助🛠力构建了现代 👩🏫🆙AI，随后投身🛠于现代 AI🤡📙 的普及与🌜🧵解读，并📸🧱不时重♉新定义😵现代 AI📊。我们目前受制于📙🇬🇾实验室的决策——🥅他们往模型里喂😍🎵了什么数据，模型🍔就在哪个🇦🇮“电路区域”表🐃现卓越☮🚪。
到底该📱复制粘贴哪一段🇧🇲文本给你的📷🍌 Ag🈲ent🛁？这就是现在的编🧠🤧程范式🔽。我们先从你服务的😦客户谈起：你们⛲🥄服务了财富500🥳😐强里大约1🧶0%（后来🎤你提到接近12👏%），你很🤶了解平均营销▫🇻🇮人正在面对什么💄🖱。可验证性与“参💢差不齐的智能” 🇸🇪🆑Steph🍯👩🚀anie 📵🇯🇴Zhan：🕷我很想谈👛👽谈“可验证🧔性”这个概♾️🏛念🏄♀️。所以代码就是一🖊个很好的例子🧦🧵。这类错🔒🛹误正是智能⚠体现在还会🙈犯的：你🍩🚣需要亲自负责规⤵格设计和整体规划🎞。
