（来源：上观新闻）
此前表现☀相对较好的"🥌🧫迭代代理"系统🕣⚗（Itera📜tive♠🧁Agent）在🅾Gem🐤🎧ini-🛵3-Flash🐈下每个🤢🐲任务平均💪🖍花费27.44💂♀️美元，🇲🇭🛢而AI科学家只🏕📈需15.📋67美元🌙，却能取得更高🎈🕙的分数🏃🧞♂️。借鉴OpenA🌗👩⚕️I和St🤶🦛reami🈶🍔ngL🔪👩👩👧👧LM的t👨🦰💺ric⚔k，在atten🔍💱tion分母上加🇱🇮一个l⛎ear⭐nable si👏nk logi🇿🇦🏴t，允许att🇫🇰entio🇲🇾n sco🀄🕘re总和不🧝♀️等于1🐸。
Q3：标准PP🇲🇺O在推理训练中♋🗣google review为什么会失败，🇬🇵🦸♀️具体是▪哪里出了问题？❌🈶 A：标准😛PPO失败的核心🏃♀️原因是"尾部效🇪🇷应"——其内置🙍♂️💥的打分员（Cr📅iti🌺👑c）无法在🇸🇷🌁几千步的🎊推理过程中有效分🏠🚮配奖惩信号，而😲🔍是一直🌜等到推理接近结🧣尾才根🏝据最后几行文字🕡🇧🇫猜测结果，导致整🎓个中间推理过🎭程既收不到有🇬🇸🥬效激励，🤟🤫也收不到有效惩罚🇻🇪。DC 得出结论😖🐷google review，即使分支📩🇰🇮惩罚为 🔀🚏1 个周期的©变体具🐢有更长的🌄时序关键路径（🇹🇹🕘涉及额外的比较🚛器逻辑），它🏵🇲🇨也能满足时🌕钟频率目标📒。
