（来源：上观新闻）
而Herm🇲🇾es有🇧🇳些太‘自🍃作聪明🍾’了，不管🇺🇸🇹🇹什么事它都会自🇸🇹🚔动生成一堆技能，🇱🇻我的Skill💪会越来🇪🇷🌕越多，且🥐很冗余🗓，有些东西根本🐸没有必要🇧🇼。不只 K🇰🇬🇩🇰imi 自家🛃🚮的虾，自🦈己在本地或云上🚾部署的 Open🚈Claw 关联📘🌑泛站群程序账号之后也能拉🇭🇷🧸进来👑。
这种跨🌇❣团队的技术🌻👩⚖️共享和各自🇮🇩🤞演化，是2026🌏🛃年开源👬社区最🇨🇨有意思🇲🇨📅的一面😫🍸。它带来了⚾🤺两个直接后果📑：对于答对的推理🧤泛站群程序链，打分员🐫🕟在接近结尾时才给🥫⛹出高分，🛷🈂导致AI💜的整个⛹️♀️推理过程几乎🌵🇻🇨收不到任何有♻效的激励信🤶🤙号；对于答错的推🕹理链，打分🚍🐊员在中间过🌬🍳程中也没🚶♀️📺有给出足👣🐠够的惩罚，无法💺📦让AI🧿📛知道哪里出了😦问题😺🧁。
Q3：🕶⚛标准PP🍞O在推理训练中为2️⃣🧤什么会🌹🔹失败，具体是哪里💦🧾出了问题？ A📤：标准PPO👩🎨失败的核心🇦🇽原因是"尾部🧞♀️👨👧效应"—🕐—其内置的打分🥛🇵🇪员（Cri🥋tic🇲🇦↩）无法在几💇♂️✔千步的推理过程🍼中有效分配奖惩👨🏭⌛信号，而是一直💣等到推理接近结🙃尾才根据🦛最后几行文字猜测🎨🦝结果，导🇪🇪8️⃣致整个中间推理🌠过程既收不到有👨🏭效激励，也收不到🇽🇰有效惩罚🏌🔔。
