（来源：上观新闻）
据了解，天权↕是北京人，🤼♂️学历背景是加🇬🇵州伯克利本🐭🚚科、哥伦比亚大学✴硕士，曾在📒海外留学14👠年，在👯北京新东🎴📭方任教🖋🤳目录编辑过6年😒。研究团😙🍸队还观👗察到一💲🇬🇳个有趣的现象：🧰价值模型的预🇧🇶测值整体呈现"🇨🇩🇲🇿保守"的特点👁，倾向于预测在0🎚🦸♂️.6到👗0.7之间，而不🤓🥊是极端的🦴🥢0或1🚴♀️🏤目录编辑。也正是这套机制🎼🤗，让它从“画图❌➖玩具”跃升为生🎅产力工具🚣。两种方式🎋都有一个共同♍的缺陷：AI从训💲练信号中得到🏹🎗的反馈，是"👩这个任务整体成功🚭了"或"失败🎩了"，💩而不是"🐬🎪你在第三步查询数🌙🚵♀️据时出了🌞🐅问题"🇨🇽🇲🇵。
这组数🤞据背后🇳🇷的逻辑是👡🈯：当训练场🐹🇹🇦景与目标场景🔛完全一致（即直接❔目录编辑在目标场⏲👹景上做G🔲🏃RPO）🇬🇼🇮🇹时，模型很容易陷🧟♂️入过拟合🇲🇲或训练不稳🌽🌶定的状态——🍬它学到的可能是特♥定题目的答案，而🎺非通用👼👖的能力⚛📸；而TRA🇳🇵🗺目录编辑CE的练👩🏫习场景经过专门设➡🐓计，每😻道题都🇳🇫由随机种子程🦛序生成，变化无🌰🇧🇴穷，AI练的💣是"能力本身🛸"而非"特定💲😗题目"💼，因此🇨🇵🇦🇼能够随🐀着训练轮次的增🚣加持续稳步提🎄🙅升😲🤹♀️目录编辑。
