（来源：上观新闻）
姚双告诉💭🍳记者：“复兴岛的🏋政策面非🥤🇧🇱常全面🦵🐃。在没有明确任㊙🧼务目标🥵‼的情况下，Age🚖🆒nt往往会➡反复试错，消耗📴🐫大量To🇦🇪🇮🇩ken，但产出👱♀️⚽并不稳定🇲🇬🧦。它的思路是💲🧘♀️直接扔👛🐪掉那个不靠谱🌓的打分员，改用🍻™一种"横向比🚱较"的方式：对同®🐶一道题，让⛷AI同时生成一⛈批答案（通常是8🚿👨✈️个），然后以这2️⃣💋批答案的平均得🎡分作为基▫准，那些比平均🛸🔉水平好的答案🚭⬜就得到奖📎🧥励，差的就受到惩🗓👪罚🤟。
这种"回🇰🇬🕔归均值"🐍的行为实际🌭👶上对训🥵练是有益的——🤼♂️📮它不会因为🏟🎛过于自信或过🚘📿于悲观而产生扭曲🖲🇱🇻的训练信号，而🇬🇲🍊是始终保持一种适📻度的不确定性，🇸🇧让真正的"🌳超常发挥"和"⛴出乎意料的失🚛🏧误"都能产生足够✳强的纠正🥢👸信号🙅♂️👩⚕️。
保持独立的插件，↔🕦每个插件专注于一🦖种能力，反而🤴🌁能让每种🌁能力都👁🕢达到最佳状态⏳📉。研究提出了一个⚙名为T🏴RACE的系🌋统，全称是"T📚urnin🖨🇧🇦g R😤🇧🇿ecu🦁🙉scmrrent🇹🇦💓 Age🥝nt f🇭🇺ailure🐎🏜s in📂to Ca💽pabili🇾🇹🙎ty-tar🙇get❓💨scmed train🕸🎙ing 🍯Environm↩😡ents"🏍，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"🇿🇼⛩。
