I found that using a sparse reward (0/1 for correctness) during training results in unstable training. Switching to a dense reward function:
这背后有政策土壤的滋养。中国政府在AI赛道上明确表态支持，从《新一代人工智能发展规划》到各省份竞相出台的AI产业政策，鼓励发展是基本的基调。这种自上而下的乐观氛围，天然降低了社会对新技术的警惕阈值。当“政务龙虾”在地方政府上线，当院士在两会期间为其背书，整个社会对AI 智能体的热情获得了权威加持。
，更多细节参见Snipaste - 截图 + 贴图
与此同时，上游原材料如锂、铝、铜以及内存芯片的价格上涨，增加了蔚来在成本端的压力。很快，蔚来在供应链端有了动作，与博世签署了全面战略合作协议，涵盖线控底盘、电池管理、制动控制、转向系统等核心技术领域，覆盖蔚来、乐道、萤火虫三大品牌。绑定全球头部零部件供应商，对蔚来而言有两层意义：一是在联合研发中优化成本、稳定供应，这对于正在努力降本增效的蔚来来说是实质性的帮助；二是为乐道和萤火虫这两个尚在建立影响力的子品牌，提供了技术层面的背书。
FT Weekend Print delivery