（来源：上观新闻）
一个训练了两🍀个万亿参数Mo🍨E的团队🔺🚑公开承认「我们不😶🥝知道为什么这两😥🍸个trick管👉用」，在20😞26年已👗经是一件挺稀罕的📎⛎事🎰⭕。这种设计的好处是🍛👧，系统可以灵🇧🇶活处理⛩不同数量的区❎域，不受🏀区域数量变🇫🇮化的限制🎭🇲🇳。反之，🇸🇳👩👦👦如果预估🇰🇪答对率🇩🇿🥩0.9（很容🥵易），但🦙AI答错了，优🤹♂️🛳势信号🇬🇫就是0-0.9=🦘-0.9，说明这⛲🧙♂️次翻车非常严重😡，需要强😯🚙力纠正🦠📛。人工合成失真的优🍈🔯势是可控性强，⛷能够精确地⌚🖕为每个区域分⚗配质量评分和比🇲🇽较标签，也🇺🇳能系统🤵地覆盖不☢同难度⤴级别；但其代🇧🇷🥍价是可能与真🇸🇨🦞实世界中🔔自然产生的失真🔎🍿存在一定的感知❓差距🌘。
一个是"对🎟✋比差距"：🏹某种能力在失败🆚引蜘蛛软件案例中缺失✏🏏的比例，⛲减去它在成功案🐏👶引蜘蛛软件例中缺失的比例👲。在内部🎛🧨测试中，🛴模型对复🇲🇦🇼🇸杂指令的遵循🇬🇭🇫🇮率提升了 🧜♀️3.2 倍🔷📣。第一层是🇸🇰序列长度压缩，🎍🇸🇻n变成n📚/m🗽。Agent 之间✋怎么发消💝📕引蜘蛛软件息、怎么传上下文🚷、怎么交付🥵🧱成果、怎么建🚶♀️立信任、怎🧷么管理权限，几乎👨✈️🗑是空白😣🇨🇺。在这个测👥🇸🇾试中，TRA🈴CE以0.55😛🇧🇩2的平🕳🧹均相似🥃度和26个完美分🤺🍤（满分1🖥🤾♂️.0）的成绩领😶先，而基🦒础模型的成🇨🇳引蜘蛛软件绩是0.411🆔和19🛶个完美分↪，最强对📇比方法是🕔0.520👨🦰💻和22个☎完美分🦔🇧🇲。
