第394章 化繁为简，尽在掌控（5 / 11）

; 他打了个生动的比方，引来台下一阵会意的轻笑。

    “按照传统的方法，可能恨不得把解题的每一步思路都掰开揉碎喂给它，告诉它这一步该这样，下一步该那样。”

    江倾模仿着严师的样子，逗得大家又笑了起来。

    “但我们无问的团队觉得，有时候管的太细，反而会扼杀创造力。所以呢……”

    他话锋一转，眼神变得锐利。

    “我们换了个思路。我们用了一种叫做GRPO，嗯，大家可以理解为小组相对策略优化的方法。”

    江倾故意放慢了语速，确保即使是非专业人士也能跟上他的思路。

    “简单说，我们不太关心它中间是怎么想的，是用了九九乘法表还是列了一堆方程式，我们只在乎最后答案对不对。答案对了，就给糖吃，答案错了，就没糖。”

    他摊摊手，语气诙谐。

    “就这么简单粗暴。”

    台下许多技术专家露出了深思的表情。

    这种只以最终结果为导向的强化学习方式，听起来简单，但实际操作起来难度极高，需要对奖励信号的设计与优化有极其深刻的理解。

    “我们发现，当你只告诉它目标，而不限制路径时，这个学生为了吃到糖，反而会自己琢磨出各种各样，有时甚至我们都没想到的奇妙解题思路。”

    江倾笑着指了指自己的脑袋。

    “它自我演化出了更高级的推理