（来源：上观新闻）
"实验专家"负🚣💖SAP是什么责运行代码🚤、观察🍬结果，将实🕞🏄♀️际产生9️⃣的指标与论文🤾♀️😯中报告的目标值进↗行对比，记录🇳🇱差异和问题◼🍵，并在遇到简单错🕠误（如导入路径错🚮🍙误、配置文件格🚡式问题）时📱直接修复，而将需🇸🇰要深度🥦代码改动的问题提👩👧👧🇳🇦交给指👠😳挥官，由指🌁挥官再次调度实🚴♀️现专家处理‼🥠。
标准PPO从基础🇦🇩模型的52⛔.49分提🇺🇲升到56.4🏖4分，进步🧙♀️明显但并不突出🎊。好处是，它让😪信息完整、可追🎥溯，但用👶🌻户使用越久，记🌁👅忆规模越🇦🇶⬅膨胀，不准确、🐯🏄不相干的数据噪🇨🇲声也就越多，调➗用时的Tok🎵✍en消耗量也随之🗻飙升，检🛶索精度、响应速👱🍵度也会受到影🇧🇱🍰响☄💂。
相反，DC🇫🇯🇭🇲 对每个变体都👩👧👧进行了完📞📮整的 Veri✊♎log 实现🌻🌰（有些变体的分支🐄惩罚为 👩💼2 个🇵🇬周期，有些🍈为 1 🐠👿个周期）👾。研究团队还提👨🏭💣出了一🌚个有趣的未来方💼🇬🇱向：把🏐🌺失真图作为推理链📕的中间🇦🇷步骤，让⏲💪模型先生🇦🇩🎽成失真图，🇧🇸💾再基于失🚛😘SAP是什么真图给出最终➡🇮🇴的自然语言描述🤦♂️🇵🇳。
