（来源：上观新闻）
这项由南方科技😁🐩大学、北京邮电💆大学、微软亚💯🌯洲研究院、🦖上海财经大学🗡🏴☠️、清华大学及IN2️⃣FLY🚺 TE🦉🇵🇷CH联合📨🚋开展的📼⏹研究，以预印本形🇻🇬式于20🥓🤖26年4月发布，👩🎨论文编号为ar🍢Xiv:🅿❕2604.088🤱❄65🚋👱♀️。通常，只需要 🦁👨👦Bash、🈂🇲🇸Edit 和 S👐😣ubag⛲📷ent🚸☃ 这三个工🚗🐨具，但也可以使用😜🙁这些工具的定制版👫▪本以及©👩✈️其他工🌺具来提高性能🇹🇿。
”他写👨👩👧👧🇮🇷道🍚。AI必🧾须在这种模糊的反🕶🥦馈中做出合理的😢👉判断🍀🔎。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🇧🇬GRPO）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TRACE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🧧🔰。
