（来源：上观新闻）
Claud🐅🔯e Cod🏓e、Lov🐿🇦🇸able等🤩Coding💭🕜工具，已💌🛸经将软件开🛑7️⃣发的门🐅槛大幅🛄🇨🇫降低👨👩👧👧🌠。多领域强化学习阶⁉🇳🇫段涵盖📂了科学、技术、工◀程、数学等多个🇬🇶领域，但🕔研究团🇫🇰🏌队发现这些领域🧹🐽的训练🇵🇼🍛任务在响应长度🎗🇦🇺和验证时间上比⌛较相似，因此可以🤕🇲🇷放在一起训练，既👷♀️👨👧👧提高了效率又避免🚩了技能冲突🛎。
研究团队在论文中🙎♂️详细记录了👂这些"作弊"行🐿🚵为的具体表现形式🛍😳。重新审视🧑大模型能力🏒🕑边界 “🎰从技术角度来看♑🇻🇬，你们如何看待今⬛🐙天Ope🇱🇻🌀nCl🕡🥒aw以及相关🍼⤴Agent的演🇸🇲进？”🎻🇹🇰当杨植麟将这一🍂问题抛向台上嘉宾👩🦲时，与会者达成的🔀🌏共识是，以Ope🚼nClaw为🇷🇴🎄代表的🔓🇬🇸Agent框🧕架，已经改变了⏱🇯🇵人类对大模型的🇷🇺🧚♀️预期🇬🇫🇹🇦。
