（来源：上观新闻）
Q3：T🇹🇯🇨🇷RACE和🍂🇸🇻直接在目标场🤝🎥景里做强化学习🍇训练有什🏐🧘♂️么区别？ A🙉🏺：直接在目标🥩场景做强化🙇😵学习（GRP🇪🇹O on Ta🇰🇪rget）训练🦖🏯时，模型从任务🎛整体成功或失败🧔中学习，无🦃法精确归🌛因到某种具体👨🌾◀能力，容易陷入🚆不稳定或过拟🇸🇲合🌨。
第四种方法叫在🗞🎃线蒸馏，为每种能👕👩🔬力训练一个"🕹🇲🇼老师模🇹🇭型"，再训练一🇵🇭个统一🙆的"学♏生模型"去模仿老🇻🇺🌟师，结果也只有🦞🐅37.8%🦍🕚。这些会话连接🇻🇨到位于一🇵🇪个或多个执行环🏇🚺境（可🇮🇸🏕以是虚拟机或🎚容器）中🧮的工具服务器♏☃。
这个设计的妙处可🌂以用医学诊🚰断来理解🎽。正确的做法是：👞😑先查询🕴低电量模式是🧝♀️📛否开启（结果🦶是开启的）👩👦👦，再关闭低电🇹🇰🔦量模式，然后🍘🏸重新尝试开启🕣🤯Wi-Fi，最🤦♂️⏪后告知用户已🐌成功完成😒。
