（来源：上观新闻）
在理想🕉💥设定中，H🏴erm🧚♂️🤳es可以通过技📖🇪🇪能蒸馏不断优化😰自身能力🎢🤜。这项由华为技术👩🔧🕋（加拿大🤾♀️🌤）研究团队Ⓜ完成的研究，以🧯论文编🇭🇹🗜号 a🙊🇸🇿rXiv:🕢2604🚒.1100👨⚖️🇬🇳4v1 🇷🇪发表于2👙026🇻🇦年的顶级机🦌🚰器学习会议 I🦌🧬CLR 2026🦸♂️（国际学习🛰表征会议）👩🎨。
这些变量🚆在实验室中无法🇩🇯🌪泛站群程序模拟，但却是家庭🇨🇨环境中⛺🇨🇮的日常👷♀️。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🚰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🍿。
但实际🏐上，真正🏞有艺术追求的演🇨🇻员，可🇪🇪能会主动退出行😵⛸业，留下的，反而🐐是只想挣快😍🇺🇬钱的人👩🔧🏑。虽然我⌛们发现这并未🐽影响 DC🍽🏵 实现功能正确性♑的能力，👨❤️👨但却增加◼了 DC 🍒调试时📑序问题的难度🚲🇹🇻。在1.5B规模🗃🇲🇱（15亿参数）的🧵模型上，标🥋🗯准PP🇧🇹O的综合平均分🙋是44.06，甚🌈🏢至低于未经训🍑练的基础模型（🏜🐯44.9🦹♀️6）🇫🇰。
