（来源：上观新闻）
综合来看，引入失🌴真图带💘来了约15%的🔏整体性能👢提升🍹。**当A👨🦲I做数学题，"打🎉👾分员"却失灵了*🐒* 假设你正在教🇱🇹一个学生做数学题👩👩👧，你的评🎂🐽分方式是：等他把⬇🏕整道题✳全部写完🧬，才告诉他"对"🍮或"错"🇲🇾。
更重要⬅的是，🔈🇰🇳他们通过大规模⚱实验揭示了当前🇻🇮最先进的🎉🦇多模态大语言模🔶型在区🇬🇮🤷♀️dea模型对于本科难吗域级质量🦄理解上的系统👩💻🇫🇲性短板——即使是🔷🏗 Gemin🦓i 2.5💏🇲🇺 Pro ⛴这样的顶📛🧚♀️尖商业模🦸♂️👩🎨型，在☘🎮这类任务上的📻🕴表现也接👩💼近随机猜测的🌈🕚水平♐🤦♀️。
"实现🔽✉专家"是代码工🏐➰作的主力🌕。“想到未来一🇯🇲🤱个月要🇦🇩🧫做出成绩，我有点*️⃣🇷🇺压力🇱🇨✅。Q3：标准PPO🧺💾在推理训练中为📃什么会失败🇯🇵，具体是哪里🔃dea模型对于本科难吗出了问题✈🇨🇦？ A🇦🇽🙈：标准P🇧🇮🖐PO失败的核心📐原因是"▪🗺尾部效应🤫"——其内置的打🍓🚝分员（Cri😴🚾tic）无法在🇯🇵💢几千步❎的推理过程🦹♀️中有效分配奖惩信🕋号，而是一🖖直等到推理接近📢结尾才根据最🇦🇽后几行文🖥字猜测结果🇹🇦🚎，导致整个中间🕸推理过🏠🇧🇩程既收不到👶有效激励🧷🥜dea模型对于本科难吗，也收不到有效🇰🇾惩罚🥤。
