（来源：上观新闻）
因此T🏰🇧🇦RAC📁E的性能🥝随训练轮次持续稳🥩🎅定上升，🏪🇰🇵而直接训练的㊙🤚曲线波动明🎗显，最终停留在3🇬🇵〰7.8%，💾而TRACE达到😆47.0%🥨。设计阶段结束后🗑，DC 将进入实🔪际的模🙌🔟块实现阶段📩🗼。“我们⏬🇰🇪发现，更好的方法7️⃣🤳是让 AI 代理🏧😃解决整个问🗣题，”他说道👔👽。删到V4，🆔单tok🥦en推理🧸🇵🇭FLOPs砍到四🌔分之一，K🙆♂️V cac🇵🇬🥛he砍到十分🏹🥥之一🌁。
它的思路是直接扔🇵🇼掉那个不靠谱🛩🏔的打分员，🥿💁♂️改用一种🇦🇴👨🦳"横向ℹ比较"的方式🏞🏋：对同一道题，🏡让AI同时生🗻👨🚀成一批🏠🇱🇷答案（通👁🌕常是8😉个），然后👰以这批🥜答案的🎇平均得分作为🕹🕳基准，那些比平均🌫水平好的答案🧣😳就得到🔓奖励，差的🛃⌨就受到惩罚😶。姚双表🛬示，初创期🎦🤡需要耐心度过3🦌—6个月的启动🏴☠️🧝♀️期，不能期🧛♀️🇲🇸待立刻获得🛡🇹🇬稳定收入👨🦲🧯。
