（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 o👩👩👧👦🥒n Target🐡）能达到🎿🇰🇲37.8😽%，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🐂6️⃣统提示词来植🛌入能力描述的🤺🔇方法（GEP🤠A）能达到3🚜9.6%💦🥔。人工合成失👇💳真的优势是🤫🖲新域名泛站可控性强⭐🙊，能够精确💖地为每🍠个区域分🇧🇱配质量评分和🏪🚟比较标签，也👯🎐能系统地🌋覆盖不同难度🤫👩👩👦👦级别；但其代价💶是可能与真🐅🇼🇫实世界🇹🇩中自然产生👩🔬🧂的失真存在一🎩🧯定的感知差距💆🥋。
好处是，它让信🌤息完整、可🖥新域名泛站追溯，8️⃣但用户使用越👤久，记忆规模越♦🔔膨胀，🗼🧭不准确、😑不相干的🗒数据噪声也就🇬🇩🏳️🌈越多，调👩🔧用时的🍋♒Token消耗量🙋也随之飙升，检😆🎰索精度、响应速度▫也会受到影🖨🇨🇦响🔚🏙。这组实⛔⭐验表明，SPP👑🇸🇳O的优⛱😔越性是算法本身👦🇻🇪新域名泛站的特性，在🦂不同的任🤶🦛务场景下都能复🏏现🤒。
