（来源：上观新闻）
公告显示，俞敏🍄👩🦰洪和他们进行了沟😏通和挽留♻💹，但最终🇬🇭尊重了他们的👨🚒👾选择🍝。TRACE则以4👩🦰7.0%的整📝体通过⚪率、44%🏄的航空领域通过率🏋🚣和48.2%📸的零售领域通过率🚻👨🦱，显著领先所有🈁🇱🇧对比方🎅法，比第二名🇨🇲🐖的GEPA👥🖍高出7.🥘4个百分点🧳。从 Eas🥿🇱🇹y 到👉 Hard，🛩所有方法的性能🇪🇹♊都出现了不👷同程度的下滑👩❤️👩。每一个专业😎🚵♀️代理在开始工作时🔚📊，不是靠"回忆上👘🎆一轮对💫👨🏫话说了什么"🇪🇭😑，而是先看一眼整🗼🇬🇱个工作区的目录索🥍🐳引（一个🇾🇪🏍轻量的"地图👩🚒🎇"），然后🇦🇿按需读取🇲🇸与自己任务相🔘关的文件，完成工👈作后再🇨🇨⛲把结果🗜👱写回对应文件📲📊。
除了能力本身🇩🇴，He💳🎸rmes的使用🇻🇪👩⚖️门槛尚未明显下💦☯降😫。它会将对💛话上下文、用🥇户偏好等信息持⛄续存储在🇩🇿数据库中🚨，并在需🚕❔要时通过向量检🇨🇫🙎♂️索调取🈹。换言之，每完成🌡一次任⚫务，Herme👨🏫s会从执行过程总😐🔢结并保存一个🦁个Skill，下🏠🇩🇰次遇到相似的🐺👨🍳问题时，它可以直🇸🇮👾接加载这些技能🚒，并在任务🧿🖋中持续完😣👨🎓善迭代📨👨👨👧👧。GRP😢O因为每道题😫💮都需要🇰🇳🔁生成8👔🆙个答案，训练🌿进程推进得很慢📉🔡。它的唯一任务是，📎在看到一🧪道题之后，预测当⛹🔓前的AI有🛩多大概率🅱能答对这道题—🍯🧪—用一个0到1☁之间的数字表示🤾♀️。这个关键缺陷导👨❤️💋👨致训练变🧠得低效🇫🇲。研究团队测试了👨🔧一种极端👁🐁组合：用📑一个只有15👷♀️亿参数的👺小模型（De⛸epSe💞ek-R1-Di💓still-Qw🤐en-1.5♊📶B）作为🇪🇦🇸🇴价值模型，去辅助🐯训练一个70亿参🍟📛数的大模型（De❓😻epSee⏳🧖♂️k-R1-👓😢Disti🌉ll-Q🥊wen-7B）🥐。
