（来源：上观新闻）
跑分什么的我☔就不贴⤵🦹♂️了，模型到现🌬在，最好的测😡试方式就是🏗直接放到自↗☯己的任务里去跑👳。此外，🇩🇬论文还透露了几🦖🇳🇷个tri🛫ck🧚♂️🇦🇪。模型一层一层堆🥵，梯度沿着残Ⓜ差往回传，这8️⃣🆗是深度学习能w🦹♀️ork的前提🌉。尤其值得关🙋♂️注的是🏀一个有趣🇺🇿8️⃣的对比：仅🇨🇫仅针对单一🙅能力训练📹⛰一个插🔚件，就能达到40😈🚅.3%的通过率，🇰🇷已经超过了💜AWM和ADP🐕🥶等使用🦋大量通用训📦练数据的方👩👦👦🍜法🔁。
如果只看激活参🔰数量，这是目💦前效率🇧🇸最极致的推理模🗓型之一🐂💅。“我会跟AI共🤸♂️创，把我作为人🤬8️⃣类的认知、经🍏⚱验和对🧲事情的预判🙌🧧告诉AI，让😣🈁它做完善🤺和补充；🏌🐪对自己不熟悉的💛✏领域，交给👘AI去帮我设🤮😔计和分析🍺🇦🇴。然后，DC 使用🔣🇳🇷 VCD 💂♀️分析来🥽🇰🇾追踪问题的根本✳原因，提出修复🧒方案，实施🇩🇿修复方案🤮，并再次进行测试🌍🦹♂️。这说明预测题目难↗🇨🇨度所需🚕的能力，远比解🧻题能力更🌻容易学⏰习🔴。奇点时🙅🇧🇷刻，真让人激动🇬🇮🦄。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（GRP📝🇳🇨O on T🌾🎸arg🧻🔎et）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😍🌼。
