（来源：上观新闻）
Agen🎾🇨🇫t 之间怎🎎🚣♀️么发消息、怎么🏋️♀️传上下🚗文、怎🅿么交付成果🌱、怎么🚳建立信任、怎么管🚷🏄理权限，几乎是👭空白❔🎠。换句话说，当🐴🦂任务需要跨越多轮⚖❗实验、不断从之👼前的诊断中学💙习时，丢失中间状🏃🥀态的代价就会😠急剧放🥧🤪大🛃🇷🇪。这是一种慢功夫，🇰🇳👾但所有人都🌯明白：地基不🔠牢，楼盖不高🇧🇱。研究提出了一个🙃⤴名为TRACE的💨😣系统，全称是🇦🇽✝"Turnin🍧🎈g Re🧴🇪🇷curren🐛🐷t Agen🇻🇬🏙t fa👨🔧🇵🇰ilure🗽🚈s in🎰🙅♂️to Capa🥚bility-t🇺🇬argeted🇶🇦 tr🙁🔱ainin🍣♨g Env🗄iro💪nments"，🤙中文可以理🏋️♀️☁解为"把反复出现🇦🇺的失败转化为针对🧝♂️性训练环境"👏。
实验结⏮🇷🇺论 在实验部分，🌖🤳有三件🐭🧿最值得说的⚽事💊🤵。知识类和最前🏓沿的推理任😝🌘务仍有3🤣-6个月的gap🛰🧣。总结 把V4放🖋🚬回Dee🇲🇾pSe🎡🧮ek的完整路💿径里看，😕😫它不是在追赶f🇶🇦rontier💉😦。研究团队用数学🇧🇮工具仔细分析了🇧🇭🐕GRP🇧🇿O的运作机制🇮🇱后发现🇺🇦：GRPO🏴🇧🇯之所以奏效，并不👩👩👦🍞是因为"多采样"🧪🇳🇦本身有什么神奇🔈之处，而是🙋♂️因为它在🍛💐不知不🤾♀️😫觉中把整个推理🦡任务从🗒一种框🇮🇱🌧架切换到🐂🦊了另一种🚰框架⛔🇭🇺。” 从架构层面📊看，它并非基于 ↙GPT-4o👨🦳🍶 的图像管🔒线修补，而是从零🤞搭建的独立架构，🤑🎒专门为👎“推理+🏢生成”联🇬🇶🎅合优化👀❇。
