（+微:hywyysxs）
关键数据：🌮🧪在ANYma🛫l D的速度跟踪🏺任务上，MB🇰🇬🎫PO-PP⚰O训练2000次♋迭代后，💁📉模型误差降到🥺🇨🇵5以下，策💨🛒略奖励⏏稳定在🍴🦐30左右🏧。「要不就和解了吧👶🇱🇸！」在这🦍🆙场不对等的纠纷🈵💜里，博弈才🇳🇦Ⓜ是最可行的方👨🚒式🕦。
论文也坦诚讨论🚩🚵♀️了当前🍾方法的局🧱限🔥👯。但即便如👛此，英🔫伟达还是觉得🙉☹不够用😉🤪。至于“轨道 A0️⃣🤪I 算力”那句📐承诺，Anth🔳ropic 给的🤒措辞是 ex🏳🛹pres🚠🅰sed inte👜rest（表达了🇹🇩兴趣）😙，是商业谈🍘🔈判里最轻🛄的一种表态🇧🇶，但作为路🕔演素材已🧼🤗经够用📺。
