（来源：上观新闻）
Q3：TR🍺✉ACE和直接❗♑在目标♐✨场景里做强化学🛬习训练有🏎🇻🇪什么区别？ A：🔷🌌直接在目标场景📰👇做强化学习（GR🤬🇧🇧PO o🔍🐐n Targ👨👩👧👦👨et）训🕯练时，模型从🇸🇦🔌任务整体成功或🇦🇬🦁失败中学习，无法🚟精确归因👀到某种具体🙃能力，容易陷入不🌼稳定或过拟合💮。
这属于预期中🌷🕍的行为模式，反映🔸出失真🆔图作为结构👵化先验信息的合理🐱📹作用方式💼。研究团队🇲🇼🕎将AI🥐科学家🎯🚀与非层级化的简单👸代理（在Pap🈯erBenc💧h上对应Basi📒cAgent，在🈸MLE🙇-Ben🍕😷ch Lite上🏗🐑对应AIDE）👩🎨💔进行比较，发现即🐁使是去掉文件🙅♂️即通道机制🕎🦸♀️的"残缺版"AI®科学家，🗾🧑在PaperB🎟ench上仍比B🚴🍅asicAg🛅ent👀🎺高出4🤩.74分🇰🇾🎐，在MLE-🥓🏛Bench🚤 Lite上🕌🗻的"高于中位数率👩🦳🏁"和任😬意奖牌率也分🛳🔖别高出2✝🇦🇬2.73和9.🍖🔤09个🛅百分点🛍💔。
研究团👯♂️🧐队将AI科学🧿🍷家与非层级化的简◀🍕单代理（在P👆🧶aperBen🇨🇺☺ch上对应B🔖asi🇸🇻cAgent，🛋📠在MLE-Ben🇦🇪🍄ch 🥨Lite上🇲🇶📈对应AID🤞🎂E）进行👠比较，💨发现即🇵🇾🧮使是去掉文件即通👴道机制的"残缺🔯版"AI科学家👶，在P⚓🏅aperBenc☔4️⃣h上仍比B❄🇬🇲asicAg👨✈️ent高出4😆🇲🇦.74分，👱♀️🗓在ML🇳🇮E-Ben🥩🇬🇳ch Lit👕🌍e上的"高于🥔🧤中位数🌅率"和任意奖牌率💑也分别高出22👨🦰.73和9.09📜个百分✒点🎦👓。
