（+微:hywyysxs）
这就好比一个人🤯读了大量👨⚖️🇩🇲文学、历史、艺⛴术，突🌽🔅然要去🇭🇷做一名外🚢📴科医生——通识🇲🇺教育很有价值🍴，但手👨🦳🦹♀️术室里需要的那🌊🍝种精准空间感🌀🎑知和操作判断，🌈🔎和读书积累的那🎢🐿些能力之间，♈隔着一道并不小👐的鸿沟🎨🛒。02. MBP🛎🇳🇴O-PPO框架在🍾想象环境里训🤷♀️练策略！ 有了🚟🙇靠谱的世界模型🍠🐅，下一🇹🇴🏆步就是用它来训练🧛♀️🙅♂️控制策📚🤳略🍬。现在看🛏到一个 A🚍♎I 能完全自己🇵🇱写一个程序，🍓🧛♂️就说“完📓🍚了，软件💱工程岗位👾没了”，👨💼这完全没有道理⏩🧜♂️。
但"选项框架"说🍘：何不🇩🇬让智能体选择👨🦰一个更高层次➗的"选项"🗡🆙，然后在这个🚙选项下持续行动🎧好几步？只🏃有当效🍜📫果变差，👨👦或者切换的收🐏👩👩👦益明显大于代🇭🇰价时，才切换到🕵️♀️🌘新的选项🇬🇧🍚。（2）🎶持续自进化训🔔🛴练：通🐡📷过多环境强化学习👩🏭训练智👨👩👧👦📭能体，并将合🌈🔞成环境视作🥭🔶天然的训练场，🐌自动诊断智👽🕡能体的能力🇨🇵短板，针对性🎱🚺地推动环🚤境/任务扩展👭☀，实现智能体的自🇱🇰🕞进化🕑。测试设👩🏫🇧🇻备涉及几🌚百个零部🏴⏭件，来自几十家⚽供应商🛅🇳🇪。
