（来源：上观新闻）
第三，🥵🚕采用Muon作🍜为主优化器🚊🥚。它带来了🏞两个直接后😞果：对于答对🔮的推理链，🇮🇹☀打分员在接近结⏏🇦🇶尾时才给出高🇲🇦🥑分，导致AI🇼🇫的整个推理过🎾👨🎤程几乎收不到任何☘👨✈️有效的激🍜励信号；🥮对于答错的推8️⃣📐理链，🈂打分员在中😔间过程中🏡😂也没有给出足够的🙂⛴惩罚，无法💚🔌让AI知🛐道哪里出了问题💜。
但这项研究的实验🏙结果表🙋明，单😍🔁纯增加交👆🚣互轮次🍚并不能带来持续的➰进步，因为🈂👨👦👦每一轮新的工📄作如果不能建🤚立在之前工🎅作的基©🌔础上，就🌑只是在重复劳🏡🇧🇫动，而🖤🎞不是在积累🍙🧂。第四种📮🛬叫"前提条件验🦊证"：AI没有检😁👩👩👧查策略规则🇩🇪就直接💆♂️🧤执行了操作🏃♀️。今天的 AI📰🧛♀️ 圈也👓一样➿。
