（来源：上观新闻）
这个方法在🐣实践中效果🔻🕦相当不📫错，原因在于🇵🇷🔸：它不再试图给📋🇴🇲推理过程👀😀中的每一步打分，🧖♂️而是把整个推🇸🇩🔚理链当成🥣一个整体来评🇵🇼🇰🇼价🤱。这项由南方🎩🧢科技大学🤱、北京邮电大🇦🇶学、微软亚洲研究🇪🇸🖤院、上海财经大学🔑🍯、清华大学及I🍅NFLY☦ TECH联💙🎦合开展的研🌁究，以预🇲🇶印本形⛩😚式于2026年4🎪🎓月发布，🌲论文编🥀号为a🔇🔋rXiv:☄2604🗻.08865🏇。
开源领先🇱🇮🤞。训练方式✈🆚是一种叫做GRP💦O的强化学🐏🇪🇭习算法：A🕖I在练习场🌤🔽景中一次生成多🔚🔈个不同的🇧🇭答案，系统根据🐧⛏每个答案的🖱好坏给出分数，然🇵🇾后通过对👨🍳😳比组内📝🚕分数的高低来*️⃣计算每🎏个答案应该被强化🇦🇲💿还是削弱🇬🇸☀。皮尔逊相关系⛹️♀️数（衡🦘量线性相关程🙅度的指标，🧰满分1.🍿0）达到0🔳.642📎😵，斯皮尔🇩🇿👠曼等级相关系数🤠（衡量排名是否🇨🇾🛹一致）达到0.✒🚥664🌡☦。
差距仍在🧡。此过程最👓🇧🇼终由 DC↙ 控制，D📄C 可以根据🍲🇨🇾每个设💜🍮计项目🗳的需求定制或修改🐍🧿该过程及其执行方💸🇻🇮式👞🍬。权限管理也是这🇻🇳🌑套机制的📖重要组成部分🏠。说到底🔈🐹，TRACE做的🇱🇦事情并不神秘🇸🇿。网络层面🇰🇿🌸，谷歌为TP☔🕶U 8🆕🎉t引入了🍟◀全新的Vir🅾🇬🇧go网络架构，采🔊用高基数💆🌡交换机与扁🗃👲平化两层🚹🚠非阻塞🐯⬇拓扑，将数据中心🧑网络（🙈DCN）带宽较上🇩🇰一代提升最高4倍🇰🇪🌌，芯片🧵间互联（IC🈚I）带🛡👑宽提升2🧡📮倍🇪🇸🔫。
