（来源：上观新闻）
这组数据背后的逻🇮🇱🇸🇨辑是：当👨🎨😓训练场景与目标✉场景完🦸♀️🔍全一致（即直接在🌞目标场景上做G🛌👩👧👧RPO）时，模🔔型很容易陷入过🕔拟合或训练不⌨🇹🇲稳定的状🥦🇷🇸态——它🤣🧵学到的可🇹🇲能是特定题目🙅♂️🤤的答案，而非通用🚨的能力；而TR⛰🛸ACE🚵的练习场🇭🇷景经过专门设📦🥂计，每道题都由🇬🇲🥉随机种子程序生🐫成，变化无⛺🏴穷，AI练的是"🎭🗣能力本身"而非🇺🇲🏃♀️"特定题🏉目"，🍙因此能够随着训🏗🇬🇺练轮次的🔏增加持续稳步提💟🇲🇿升🇬🇧。
而涌现的起点，✉🏑从来不是答🥝案，而是👒💆问题本🌻🎴身🇸🇽。训练数🤽♀️据量整整翻了🦑🐩一倍多（🖊🤟增长约 1.2🇨🇻🇬🇸 倍）💳🏉。所以，我觉得 K🚚🇻🇪imi 这件事🚽👒不是做一个🐿🇦🇱 Ag❗🇺🇿ent 工具👵👩🦰，它在🎟试图定义 Ag🇹🇩ent🇵🇦🇧🇾 时代的交互范式🇷🇼。如果这道题答对🔰了，每🌴🖕一步都受到🦙同等强度的鼓励📸；如果答错了⏺，每一步都受到同😘🐯等强度的惩罚🎓。
