（来源：上观新闻）
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💭搜索引擎磁力蜘蛛答案，而非通🔅用的能力；而T🏄♀️RACE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🔇👋搜索引擎磁力蜘蛛。
一边是片酬议价权📝🎴面临压缩，🚖一边是❄🙍肖像权不断被侵🍞🐆蚀，被🤸♂️🇱🇺AI抵住大动👨🔧🔂脉的顶流们，难以🔸继续沉默☹。研究团队测试了🐞🔚一种极端组合：用🐞🇹🇲一个只⌨🚸有15亿🧾参数的🦛🧡小模型（Deep👿Seek-R1🛁✝-Dist💎💕ill🧟♀️🏂-Qwen-1.🏪👢5B）作为价值模👩👧型，去辅助训练🦒🚠一个70亿🗓🇨🇽参数的大模🌩型（De😓epSeek🎊✡搜索引擎磁力蜘蛛-R1👁️🗨️-Dist🇹🇻ill-Qwe👨✈️🇧🇧n-7📵B）❣。“实际上，专家指🧜♂️🙋♂️导和常🏘识非常有帮助🇵🇷。
