（来源：上观新闻）
这种方式不需🥭🇱🇾要事先标注📶🚹"正确答案👩🔧🤯长什么样"，只需🇴🇲®要能判断"答案🇪🇭🌦是好是坏"，因🦟此非常适合复🔠🤳杂的多步✂骤任务场景📦。PAN🧦📛DASET 的构👂✉建过程，就🇰🇪像是一🦠🙄个大规模的🦐"人工制造缺陷🇧🇼"实验🚑。研究团队通过🇲🇹在 K🥗ADID-1🥗🏁0k 和 ▫TID2🇨🇵🇩🇪013 上🧵🌅的验证🧮，证明了🇰🇾合成失真与人类🎗🛸主观感知具有合▫理的一致性，但更🤨🇵🇦大规模的真实世界🔠🕌失真数据集仍是🚫👲未来的重要方🐼🔥向✝。
好处是，它让👴信息完整、🎛可追溯，但用户使🚐🏡用越久，记忆✊规模越膨胀，不🤷♂️准确、🐶🔼不相干的数🇯🇵据噪声也就越多🧜♀️，调用🏨🇮🇷时的Tok🎗en消耗🥾🧳量也随之🧟♀️🚟飙升，检索精度🧘♂️、响应速度也会受💊到影响🇲🇵。在几个对🏇🐥比方法中，🇹🇳🙁直接在目🍊标环境里用强🔙🤙化学习训🏢🌙练的模型🕛🏖（GRPO 🔇seo是什么简称on Tar🦐💆get）❗🦃能达到37👨👨👧👧.8%，一种👀*️⃣使用通🚄🇦🇼用合成环境训练的🤥🎎方法（AW🏯M）能达到📘🍳38.4%，而🧚♂️🔑一种通过优化系☄👤统提示词🛣来植入能👨✈️👭力描述的方法😨（GE🇨🇩PA）能达到39🏴☠️♥.6%🇷🇼。
