（来源：上观新闻）
"实验专家🗨"负责运行代码、🚔观察结果，🌬将实际产生的指标👩🚒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ℹ🗑家处理🐨🇳🇿。
论文中，Deep🐒⛹Seek表示🇦🇺： DeepSe👩🦰ek-V4-P🔠🇭🇲ro-Ma👯♂️x在标准🇹🇴🧒推理b🇹🇰enchmar🤘k上优📑于GPT-5.🕶♥2和Ge👕mini-3.🇦🇿🍣0-Pro，🧼但略落后于G📒🌜PT-5.4🇱🇷🐅和Gemi🇨🇩ni-3.🎐🛀1-Pro🌈🏌️♀️。
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🇦🇶👡接在目标场🇹🇿🐉景上做GRPO🥳）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T🔙⏪RACE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⭕。
