（来源：上观新闻）
**说到底，这🐌🔂项研究发现了什么🇮🇸，又意味着🇻🇺什么** 归根🐾🇿🇲结底，这项研究🧘♀️回答了一个在🏍AI训练领域🕌长期存在👩🦰争议的问题♋🥄：大模🧀型推理能力的训😠🌈练，应该用什么🇫🇰❗测试是什么意思样的框架来👩👦👦测试是什么意思建模？ 研究团🇱🇷队的答案是：把整🐸个推理🤪🎇过程当成"一💓🈲次性行🇬🇺🇨🇬动"来评📍价，而不👍🧾是"一🇱🇷😨系列连续步骤"🇲🇱。
更关键的问题🌝在于，这些模型通🦔过"监督🐻微调"🇹🇻✳（可以理解🇱🇹🎲为"刷题✨👯♂️训练"）的方🇩🇯🇱🇾式习得了固☁定的回答模板，就✔像一个⏏🍒学生死记硬背了几😎🤑套答题公式，一旦🌥⛹️♀️遇到没见过的🖱🤹♂️题型就不🗺🏰知所措🆒🧰。研究人员发🎵🇬🇲现，让A🆒🏓I学会解数学题🦘😂、做逻辑推理，需🍙💲要用到一种👨🦰🏂叫做"🇹🇭强化学习"的训练🏝🌚方法——本📹质上就🇹🇷是让A📏I不断尝🍶试、不断根据反馈🔝调整🎢🐓。
