（来源：上观新闻）
主要评估指标是"♎1️⃣任意奖牌获取🚏率"（Any M🔫🖕edal%😵🙋），即在全❇😂部测试任务中🉐🇨🇮，有多少比例🇼🇫🍞能至少获得一👩🦳枚奖牌🤸♂️。TRA📗👩👧👧CE则以47.✌0%的整体通过👳♀️💏率、44🇨🇻%的航空领🇰🇲🦊域通过率🇦🇶👶和48.2%🚃的零售🇭🇹领域通过率，显著🇦🇮👨👩👧👦领先所有对👙💓比方法，比🇳🇷第二名👩🔬🇸🇯的GEPA高出7🚠.4个💟🛴百分点😣🆒。
对于每个👩🦳区域，🌲系统会以80🍲🗳%的概率随🇨🇰机选择🧐一种失真来施🕠加，以20%的🥐概率保持该区域干💠净🇻🇨🗽。研究团队用数学工🇬🇪🇨🇦具仔细分析了🇲🇭🇸🇧GRPO的🇳🇱🌐运作机制🇹🇩🐓后发现：G🇳🇫RPO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🥨。
