（来源：上观新闻）
在没有明❓确任务目标的情况🎍下，Agent往🇯🇴🤥往会反复试错，消🦂⭐耗大量🇻🇮Toke⛽n，但产出并不稳😚定🇯🇲🈯。过去的🧒👷♀️思路是给AI🚛🇱🇺灌输更多数据，🎻或者让它在目🌻标场景里反🇳🇨复试错；TR🎻ACE的思🇲🇿路是先🏄诊断后治🎒🇪🇦疗，找到具🇩🇿体的薄弱点⛷✏，再定制化地修补🎿🍬。腾讯视频曹🧟♀️↪睿给出一个形象的⛵比喻：“AI是🗂🇵🇷‘副驾驶’🇼🇫而非司机🌧。这意味😨🏭着价值模🏮型确实学会了区🏃💺分难题和简⚡单题，虽然不完📐美，但相♏🇹🇯关性足够显著，能🙀为训练提供有🇨🇲效的基准💺👺信号👁。
一套看似优雅的📀后训练方法论，背🇮🇹🖍后是一堆🌦「不这样做就装🌱不下」的工⚜🇬🇩程妥协👨👩👦👦。使用更小🇸🇸尺寸价值模型👨🎨的SPPO组合更🌟是拿下🇪🇭了所有测试方🇳🇮👾法中的最高分🧖♂️↕。DC必须记住🚧👩🔬并满足🚼所有这些目标🇸🇾🇸🇰。从实际🎌🤵影响来看，这🌽🇵🇭项研究降🙉🎩低了训练高质量👁🦒推理AI的门槛🐐🇱🇰。
