（来源：上观新闻）
他们发现🗻🍏，打分员实际😆上是在偷懒—🇦🇮—它根本🥟🖱不关心AI♾️在推理过程🏴👩🦳中的第三🆑👽步、第五步、第二⚛🏨十步在做🏵什么，🇮🇴geo是啥而是一直等到推理📚接近尾🦸♀️声，才突然"🇮🇪清醒过来"，根🌓据最后几行文字的💆语义特征猜测🙀🧩答案是否正确🧜♂️。从训练轮次的角🎊🈶度看，👋📍以τ?-Benc🌖h为例，TRA🛃CE在不断增加训🇦🇮练轮次时🌮通过率🇫🇲持续稳定上升，🚚🐇从0轮次的32.😺🌬9%一路攀📽🎖升到5120🍑9️⃣轮次时👨👧📥的47.0%，曲🌺🌤线几乎是一条平滑💁♂️🥧向上的折线☹🗽。
而自变量在这个🔒维度上⚛，构建了一条几♐乎不可复制的护城🧞♀️河🌞🌱。拆任务、派♐活、盯进🅱🇹🇹度、验收结果，都🥪🎱是它在管🛴✳geo是啥。实验室数据用🌛🍞于建立基👩⚖️🇦🇽本能力🌚——识🦅别常见🇹🇨物体、执行基础🥜🔫动作👤。这种跨场🕴🌐geo是啥景的通用🇮🇪性，说明失真🧂图不仅仅是🧭一个解决🏴特定问题的技术工♾️🕜具，更是一种可以🗃🅱推广到多个比较🎙⛑性评估任务的结🥑构化思🍩维框架😋。比如 😈Co-In🍼🤥struct、Q🍔-Ins💟truct、🦎DepictQ🇦🇿A 等，它们能够⛹告诉你🧗♂️"这张💒🏳️🌈图片整体有🕠⚔点模糊"或者📠🐝"这张比那🐤🔁张清晰"🐃。
和聿潇🥅传媒签约授权的🏤艺人，除❓🛡了知名网🗝红韩安冉，其他都🇯🇵是名不见经传的新🖲💁人演员❗☕。评分标准非常严🇹🇷🇱🇻格：只有当AI既👤🤛正确完成👨👦👦⏭了操作，又向用户👨👦🦁传达了正确信息🐔👩🏫，才算通过，任何🍊🥞一点偏差📭🚀都会导致☀失败🌶。这是否令人印象🍓深刻，取决于👩🏭🚴你的视角➖。研究团队🥿用数学工具仔细💛分析了GRPO的🇧🇭🛑运作机制🔣🦹♂️后发现🍮：GRPO之🔃所以奏效，并⏩🕚不是因🏉🧙♀️为"多采🎏💿样"本身有🧰什么神奇之处，而🇰🇬是因为它在🇺🇾🔱不知不觉中💎🇪🇬把整个推理🇾🇹🕰任务从一种框架🇸🇻👨🦲切换到了另🏸一种框架🇸🇰🏘。
