（来源：上观新闻）
Q3：TRA🇲🇲👨👨👦CE和直接在🥭目标场景里做👺🤷♂️强化学习训练有什🇵🇱么区别？ ⏮⬛A：直接在目🍫🙏标场景做强化学习🤥➕（GRPO👨🌾🦊 on Targ🤨et）训练时🇸🇹🤢，模型从任务整体☀成功或失败💳📡中学习🎛，无法精确🍣归因到某种具🇲🇦体能力，容易🔕🥿陷入不稳定或过拟👶🦟合😕🐻。
Gemi😭⌛ni效🔕果： G6️⃣PT效果： 图🕓：⚡ GPT📹-Imag🇯🇲🔢e-2 接到🇹🇩指令后，自动执🔚行「检索→规👩🦰划→设计→验证」🇺🇳闭环 告🎃👁️🗨️别“抽盲盒”🏛🥡：底层逻辑被彻底🔟重写 🚓🥉传统图像模型是“🧭黑箱操作”——输💁🧑入 promp🧡🔴t，直接出✌🈸图👩🎤🧘♂️。
这项研究的价值在🇧🇫🌘于，它提供了😹一套完*️⃣🤠全自动化🧗♂️的系统，不需要🌦👩🚀人类专家坐😮在旁边一条一条🇧🇴地分析AI的失🚣败原因，而是让A⚫I自己完🌡成这个"自🕢😔我诊断"和🐍👧"自我补课"〽🇻🇨的过程🏠🚱。
