（+微:hywyysxs）
这个奖励在期🇨🇺望意义上🚜💞等价于反向🥅KL散度的🕒负值，迫👯☑使学生模😇型尽量模仿🌳老师的行为🇱🇨，从而在👩🚀🚔减少切换的同时保🔘留原有能力💴。这些基线模型🙁全都使用了远多❓于中间训练模型的👲🍥训练样🇬🇺本——在每个基🇬🇧🧵准上，基线模型🤧使用的训练数据量🚏🇸🇱约为中间训🇵🇷练模型的6到25🤘倍🇦🇽。
每天，我🏛👅们打开手机、点击🥅按钮、填写表单👰、滑动页面，这些😓看似平常的操作🇱🇾😒背后，藏🌉🍡着一个让计算机科♥学家头疼多🍕🆒年的难题⚔🧿：如果要🐒让AI帮我们👯♂️自动操作手机🥗，它首先得"认识📉"屏幕上的每一个🤥👳按钮和图标🇲🇺——不是靠🐷读懂代码，而是👩🔬像人类一样🦌👊通过眼睛看到界面🕯、理解自然🧩语言指令，然后👷精准地找到🖱目标位🤦♂️🌒置🇵🇦。
一方面，免费让豆📗包每天坐拥1🍘哪里可以捐卵子20万亿To☎ken🥛🏣的数据流🦷——海量🏴💍人类语😯🇬🇭言样本的价值⛹️♀️不可估量🦃🏐。随着MCP⛹️♀️🇲🇱、Agent S🇲🇭kills🕠🕛与各类Harn🔕🌎ess的🇸🇾⤴快速发展，大模型🚴♀️能轻松🍟❌调用成百上千💟💋种外部工具，*️⃣🇦🇴但在多工具⚫💥，具备复杂状态🇸🇾🇱🇨、长程交互的🚜🔹任务上仍有明显短🥚板😈🐸。
