（来源：上观新闻）
更有说服力的是，🇮🇱🔵研究团队发🦏现 G🇷🇪PT-5🎿🎱 Mini 并不🎖是机械地复制失真🇸🇱图的预测结果👺🏫。在几个对比方🚶法中，直接在目标🥨环境里🇳🇦用强化学习训🏓👓练的模☠🇬🇭型（G🕉🎱RPO🕞 on👨🎓 Targ◻et）🍸能达到3🕣7.8⏯%，一种使用通用😗合成环境训练的方🗽法（AWM🎒🥽）能达🎅🌉到38🔫.4%，而一种通🛹🎏过优化系统💓🚯提示词来植入⛑🆘SEO/SEM能力描述的方法🍞（GEPA🚿）能达到👩🔬🛷39.6%⛲🕳。
第一个局限是🇮🇲 PAN🧼✴DA 作为基🖌🇨🇮线模型👣🖤的简洁性🐈。研究团队测试🇹🇻💁♂️了四种😝合并方案，通✅过率均低🧷于TRACE⌛📻的按需路🖥由策略🤯🗽。从训练轮次的⚗🧽角度看，以🅱τ?-Ben🙉🇶🇦ch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轮🔉🧺次时的4🚤7.0%，曲🇫🇮线几乎是👩✈️一条平滑向上的👩🎨折线🚡。在GLM-5下🤛差距更🦕悬殊：迭代代😇理每任务花🌲费54.90😂🌶美元，AI🍓⏮科学家只🇨🇨需12.20美🔽元🍳🌟。
