（来源：上观新闻）
失败覆盖率的🇻🇬♦分布也非常集🗼中："结构👑化数据推💆🔼理"覆盖‼了约41🇩🇲个失败案例，"多🇱🇰步骤任务完成"覆🕳👨👧👧盖约25个🇻🇺，"前提条件验⚪证"约34🕣个，"工🍶🇨🇳具调用精确🚿性"约20🇳🇫🎓个，而🦏其他被淘汰的🇧🇾🐏候选能👨🎤🏌力大多只覆盖10⭕🤗到15🇳🇵🔨个案例🧙♂️。
第二个局限来自数😵🍅据集的🐗构建方式❔。Pro有6➗1层，📀6️⃣Flash有43🙍♂️层，CSA和HC⚛🐏A一层一👨✈️🏐层往上叠🎍。前三个头使用交叉🇧🇩熵损失函数（🐱🏦适合分类任🇲🇸务），第🙇四个头使用L1损🚜🎭失函数（适🎑🌲合数值回归任务）🇺🇳。
正是第🇱🇮四个挑💸🎹战，成为🇨🇳🚇了AI科学家🚏💎整个设计哲学👨👧泛站群程序的核心出发点👨🏭🇭🇺。相比之下，🙋直接在目😨🌔标场景💦里进行GRPO❤训练的曲📒线显得波动⛵🇭🇹起伏，甚至在38🐋🦞40轮次时出现了👓下滑（🇬🇱从37.8🧻⛓%跌到🇨🇾35.4%），🥪🏳️🌈最终停留在37🇳🇮🌜.8%🇲🇫😵。
