（来源：上观新闻）
在去年1🛃😴1月的特斯拉🇮🇨股东大会上，股东🛢♠们投票否决⛓了这项👩🏫决议🖲6️⃣。当然，这项🗨研究也坦诚地🇧🇳指出了自🥄身的局限：S🍅PPO的▪🧱设计前提是🚎🐪存在一个明确的对🧨👨💼错判断——数学题🛩🥍是否答🇸🇪正确🇸🇯。预训练、后训练🖋😱与实时推理🇷🇺☁在计算特性上已显🚌著分化🇷🇼：训练🏝💠任务追求极致吞吐🍙量与规🦘模扩展，推🈺理任务则对延迟和🇨🇰并发更为敏感🇺🇲🌨。
以最简单的 Ea🎸🇦🇬sy 级别🇳🇬为例，P💻ANDA 在区域🤷♀️比较任务上的准确🇧🇲率达到了58%，🇻🇦🐉而开源🌲🎵的蒸馏专项🛶模型 Dep🙅♂️🛀ictQA 💬🚉只能在用🇲🇦🚆 PAND🐏ASE🤤🕹T 额外训练🖋后才达到49%，📮🦟如果不额外训练🤼♀️🚌则根本🇹🇨无法完成🇺🇿这项任📴务🍓。
研究提出了一🎈个名为TRA🇨🇻🇵🇷CE的系统，全称🌽是"Turn🇻🇨ing🦵🇧🇾 Re🤵👷current 🤽♂️Agent fa⛪🧢ilures 🥏int♋o Capabi🇵🇾lity-t🚆argete🚛d t🇲🇸raini🥊👤ng 🆖Environ㊗ments☣👉"，中文可以🧖♀️理解为"把🤙反复出现🤕🛵的失败转化为针🇷🇪对性训练⚔🧳环境"🙃。
