（来源：上观新闻）
在Op🇰🇪👨🔬enClaw体系💍中，所谓学🌩❗习，本🔯♐质仍然依🔺赖用户🛃🎮。在一些复杂➕任务中，过度🏺🇳🇫抽象反🙎而可能丢失关键🗿🔠细节，而在长期🧐使用后，记忆体👛🤲系本身也可🚖能出现结6️⃣构混乱的🏴问题🇮🇷🦇。研究团🇹🇬🌡队还测试了两个基🆕线方法作为🕍参照：线🥌性探针（在 DI⛹️♀️NOv2 特征上🍀💥直接套一层线性分👑类器）👜和注意🍆力探针（在 D🕊INOv2 🤼♂️特征上套⚠🤜一个带😐交叉注意♋力的 Trans🧚♀️former 模🇰🇬块）🦑。
这个判👑👥断过程完全⚰👨🚒由基础模型🌻完成：系统给基础🎭模型展⚔♨示用户⛏请求，以及每🇦🇽种能力的描🧔🇯🇵述和一个典型案🇫🇯✏例，让模型预测📵🔯哪个选项最匹配😩。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📤🙃。
