（来源：上观新闻）
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（GR🔈PO 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🤪。这就好比一个判卷🐑👊老师，全程不看🔡解题过程，📉👩🏫只盯着🔀最后一行看，凭"👠感觉"打分↔。
现在有两种方案：🔴一是让🔭这四位厨师🐟🥥互相切磋，⏯🇯🇴最终产🍝😾生一位"融合大厨💆♂️😨"，他一个人🇧🇫负责所有🚊🔪类型的料理；二是🧯🖥保留四位专业🧗♀️🇺🇸厨师，⏲每次根据客人🐃🇲🇪点的菜系，派对应📁🇰🇪的厨师出马🦐。499🇬🇧🍦元买一个Seed🤽♂️ance会员♍，就可以做出一个😩45到🌜🎁50分钟的微💝💜短剧💊🧳。这种"从上往👀☹下看全局🌖👨👩👧"的方式🐯，在处理复杂的😃图像质量问🆒🌶题时，🚭会遗漏大量细🇹🇱🎟节，产🇹🇫生错误判断🎫。
