（来源：上观新闻）
未来，每一张🛑🧺 AI 生成图9️⃣的背后，都会🚉有一段🌳清晰可🇬🇼见的“思考🐱痕迹”👨🔬。在一些复杂任务😃中，过🛀🧛♀️度抽象反而可📖🌫能丢失关键细节0️⃣，而在长期使用🤙后，记♨💀忆体系本身🍒也可能出🖇🇨🇳现结构混乱🇳🇵的问题🇧🇱🔙。TRA📀☯CE则先识别具体🈶薄弱能😥sem推广代运营力，再🕵️♀️为每种能力设计⛈独立的练习场景🇧🇯👎，每道练习题💌由程序从随机种🏷子生成，题目无穷🇳🇵无尽🕛。
斯坦福团队把这类🌰🥂在完成任🇯🇲💇务过程🏢中不可缺少的具🙏🐖体行为🐜⚪称为"能力"🇸🇧。AI可以模仿风格🤾♂️🕟，却无法拥有风☢格背后的生命体😬验🔑🇸🇦。AI必须♥自己去猜测究竟🍊🚪是哪一个行为导致💗🐟了最终的失败，而🌐当一个任务需👮要完成十几个步骤🎪时，这❤种猜测几乎无从〽㊗下手🕯。AI科👗学家使用🇨🇼GLM-5模🤙型时达到了🧛♀️平均33🈲🇭🇷.73分，比此前🇵🇳🧚♀️最强AI基线高出🚏🖕11.↕🇵🇷15分，并🇷🇸显著缩小了与人类博士生🌒🌱的差距🥄🇨🇽。在1.🦀5B规🌝模（15亿参🇲🇷数）的模型上🦉，标准🐠🏳️🌈PPO的😷🛫综合平均分是🙎♂️44.06，甚🇳🇴至低于未经训练👀📁的基础模👼👑型（44.96）🛂。
五、训练越多真的✡🛏sem推广代运营越好吗：💕👗TRAC🐀E的扩📊展规律 研究团🗝🕶队还专门研究了👨🦱⛴一个很实际🇨🇵的问题：增加训练👒🇱🇮资源（更多的模📦🇮🇸拟对话轮次，或者📓训练更多的🤦♂️能力），带😷来的收益是否能🙍♂️🇦🇷持续增长？ 从能🇳🇬🦔力数量📖的角度看，TRA👨👨👧👧CE在覆盖🔟1种、2👨👨👧🤵种、4种🌄🔤能力时😜🥍，通过率😙分别约为40.3↗🥩%、43🐃🥺%、47%🇾🇪🚲，呈现出稳✂定的递进👮♀️🕐式提升🇸🇪。。借鉴OpenAI🚋🐾和Streami🖲📶ngLLM的t🔴rick😫，在attent⚾ion分母上🦎🇧🇸加一个le🐿arna📓🔲ble 📫👩🚀sink lo⌚🏛git，😴允许a✉🦎tten🔒tion sco🕴re总和不🛤👨💼等于1😧⛅。
