（来源：上观新闻）
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（➡GRPO on🖖🏤 Target）📪⬜能达到37.8%🕒，一种🏬🥃使用通用合成环境🇧🇷🍮训练的方法（AW❣M）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（G📴🕠EPA）☯能达到39.🧜♂️📔6%🧽。据介绍，专注👨❤️👨👤于训练方面的TP🇵🇾🙇U 8t在✒性能上是🎱🔓公司去年11月🥕发布的第七代Ir🚕onwood T🤒🍧PU的2.8倍，💾而价格相同👖🇧🇼。
研究提出🈷了一个🏖🧙♀️名为TRACE👯📟的系统，🕢全称是"🥵👨Turning 🌗Recurre🈴nt A👨🎓gen🇸🇽t f🔼↕ailures ☑🦛into Ca👨🎤🛒pabi🇮🇴lit🈁💞y-targ🥂eted 👨👩👧training👨👨👦👦🐶 Env🇳🇿🚴ironmen☂🚮ts"，中文🇮🇳👁️🗨️可以理解为"🗄🌓把反复出现的🥼失败转化为针对性😞训练环境"🚜。
