（来源：上观新闻）
单 Agent 🎅🏁的能力一下子快🕥速提升，但🏘☑行业很◀🇸🇬快发现了两个🐷🇨🇲绕不过去📔的问题📓🦍。反之，😆如果预估🇪🇸🎊答对率0.9（🏹很容易），🏀但AI🇹🇬🐶答错了，优势信号💛就是0🈁-0.9=-0🇧🇮.9，⤴🐾说明这次🇰🇪👩👧翻车非常严重，🇮🇷👩👩👦👦需要强力纠正🎲。糖水数据：实🥛验室中采集的干🖌净、可控、量大的🎌🙆数据📵。DC 必须💨🌏交付可验证的正确🇹🇰设计👩🏫。比如用户说"提醒🌳我明天下🌆🌋午五点买巧克力🌔牛奶"，AI🐕拿到时间🐦👩🔬戳177😡451187🙍♂️1️⃣3后自己估算是🎀2026年🔶3月25日，其实🇷🇪👩🌾当天是3🗞月26日，于是把👶😴提醒设置成了🧖♀️已经过去的日期▶🌺。
第四步是"智能🌿调度"🔓。“这些都是存在🏮利益冲突的交😑🇮🇷易🥚📏。研究团队做🕵️♀️了一个生动💔的实验，把同样两🌒🐖张图片同时喂给当✡时最先进的多模态🐐语言模型 Co-🚽💇Instru🔐🚸ct，↪🔟并提供🦠了每个📬区域的名💩🤨称、描述和边界框🥌🧭坐标，请它🕋🤹♂️回答每个区⬜🇯🇪域的质量情况⛓。相反，DC 对每🤧🦒个变体都🍈⛩进行了完整的📒🇿🇲 Ve🛍rilog㊗ 实现（有些变体👨👩👧的分支惩罚为↗ 2 个周期，有🇬🇫🇺🇳些为 1 个🐷周期）🇺🇲。这是一种内生💭🥽的空间感👨✈️♾️知能力，🕵而非通👨🚀🇿🇲过外部测😟量或建模👔获得😨🈴。Q3：TRA🥋CE和🧰直接在🕟🍷目标场🧳景里做强🇹🇯化学习训练有🕓什么区别？ A💇：直接在目标场景🌌📫做强化学习（🍥🔻GRPO🇶🇦🇸🇱 on🇻🇪🦶 Ta🇦🇮rget）👏训练时，模型从🚒任务整体成👇功或失败中♎📩学习，无法精确归🥑🤒因到某种具体能力🚲🖍，容易陷入不稳🇬🇩定或过拟合👉。
