（来源：上观新闻）
“原来做产品的节🇧🇦🤕奏是设计👩🎓🏘、产品方🇫🇴案、开发、上线🇸🇹、用户反馈✉，流程下来可🏪能要一两🕸🥾个月或更长时🇵🇾间🇰🇪。复杂任务天然就💁适合这种结构🏄😜。在受控👗🇼🇫对比实☑验中，AI科学家🐪使用两种🆙🥴底层模型均达🇸🇸😯到了81.82🦍6️⃣%的任意🏎👫奖牌率，分🇫🇴别比最强📞🔴对比系统♍🏄♀️高出4.55和1🧛♂️8.18个百🤡分点🏋️♀️🍫。
Q3：TRACE😧🎗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（GRPO 🐫👨🎤on ▶Target）🦝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🚜🖼。道理很简单，单🇰🇿个 Agent🤳 自己🧣能力都不够，🦊把一堆能🦚力不行的 🍱↕Agent 凑🥅到一起做事，等于🐃一屋子🇬🇬干不了📲🗡活的人开🍡🇲🇻会，只会更🆙乱🇱🇺。
