（来源：上观新闻）
Partia🖕l RoPE🕉⛰。几乎所有的平🇲🇫👄台都在开放📹🇱🇾存量IP与开发A🦀🤪I工具🦶。就像把一群🧀💤优秀的🏝🇬🇮人放在一💙起，就🚰会有想不到的🛷化学反应一🏈样，把一群 Ag🧓ent 🙏😄放到一起，应该也🦏会是这样🚶🔐。这种"回归均值"💍🇸🇳的行为实际上对🏅训练是有🥝👩🔧益的——它不◻会因为过于自信♈或过于悲观而🧞♂️产生扭曲⚪🎻的训练🍉🚽信号，而是始🇨🇭终保持一🕟种适度的不确定性👩💼😏，让真正的"🇦🇶🇱🇷超常发挥🐐🔤"和"🍰出乎意料的失误🧨🤾♂️"都能产生足📓🉑够强的纠正🧧👱♀️信号🇮🇳🌛。
在几个对比方法🙎♂️中，直➡🇬🇺接在目标环境里用🕞🍎强化学习训练的💩模型（GR🇨🇬PO on🤽♀️🌡 Targ🥾et）能🗼🇱🇰达到37.💛google搜索优化8%，一种使用🍣🤺通用合😘成环境训💡🇲🇵练的方法（🇺🇳💛AWM）能达🚁❎到38.4%👩🍳🇬🇳，而一种🇹🇰♉通过优化系统提♨示词来植入能力描⭐述的方♎🖇法（GEP🐑A）能达到39👨⚕️.6%🦏。5.9倍的训练速🇪🇷度提升，则🇫🇮💣意味着同😣🚭样的算力🐲🔇能在更📓短时间内完成实验🙋◻迭代，🧑加快A🏦I推理能力的研究💈进展🇹🇱🚾。
换句话🇮🇸🐮说，它试🇦🇩🏗图解决记什么🤳，但还没有稳定🚄解决怎么🇭🇺🖋记得更好🤙。第二种叫💔🤵"日期时👮♀️间推理"：AI直🇬🇲接尝试心👨🎨🚊算Un🍤ix时间💻⏏戳（一种表🎐🧤示时间的数字格式🧪♐）来推算当🇪🇬前日期，而不🎿💲是调用专门的时间😮🇬🇱转换工⬛具，结果频繁算🕒🚪错🏭🙄。数据构成上，长文🉐档数据单独🏨curat🔽🆖e，优先🇸🇨🍈收录科学论文和🇬🇱技术报告这类🧝♂️🇦🇼有学术价值的🌓长材料🍮🚔。
