（来源：上观新闻）
大部分公👜🎛司还在卷🤦♂️🔴单 Agent 🇻🇺的能力🚇。使用更小尺寸🧪🌠价值模🏉😿型的SP🈶PO组合更是拿‼下了所有测🔴🇺🇸试方法中的最高分🗯。与此同时，"💾📉条件推理🤚"、"🚘⏮数值计算"、🏑"早期终🐲止"等其他候选能😒🐽力只出现了少🛒数几次，无法通🛌过筛选阈值♊，说明它们🧧📒虽然偶尔出现在失🙉🇿🇼败案例🗂中，但并不是区🤮分成败的关键因素🎋🤷♂️。
它是一🇧🇸👩🎓个新范式的起点🔠。事实上，我们观察⛎到 DC🥵🇸🇯 会根👨🦳据布局布🏺🇧🇧线后的最终🐔时序反馈🎀📶来更新其设计💋。只有同时满足"🆔🌖对比差🍗距超过2💫0%"和"覆盖1🧴0%以上失败🥝案例"两个条件💉👻的能力，🚵♀️💆才会被😿🚟选入训练计划🐦。stu🇳🇫dent自己ro🈶🍩llout🤗😔，最小化reve👃🐞rse KL向对🇦🇿🚗应领域🚶♀️🤾♂️的ex💧pert对齐🐔。
