（来源：上观新闻）
指挥官🔚的职责是做阶🔓🦚段性决策：现🍊🇲🇰在应该推进哪个💉阶段的工作⏰🚍，应该🧰把任务交给👩💼🚪哪个专家🎰。数学任务向数学e🛠xpert靠，🥡编程任务😙🤹♀️向编程e🛂xper🎾🚺t靠💼。这个视☮🏄♀️角的转变非常重要〽🇸🇯，因为它意味着🌛🙅♂️：当你不🔡🇱🇾再试图给每个步骤🏗🇻🇬单独打分，"打分☯员失灵🇲🇰"的问题🇲🇹就自然消🖥🦋失了🤵🗻。
Q3：T🥓RACE🇲🇳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（🇷🇪🎐GRPO☣™ on Tar👁😟get）训练✡时，模型从任🇨🇴🇸🇰务整体成功或失败⛳SEO是什么意思中学习，无法精📔确归因到某种具体🖍🐭能力，♿容易陷入不稳定🚖🕺或过拟☂合⛈。PANDA在同类🌭♑任务上准确率达5🇵🇷♒8%，💥🍜同时计🧮算成本极低🤝💽。
这种思路对普通用☪户意味着什么？🌱⌛以客服机器人为👏例，如果🇵🇦🇬🇶一家公0️⃣司发现♾️自己部署的📕🗞AI助手🥘☑在处理退🇰🇪换货时经常出错👩✈️，不需要重🔘新训练整个模🤜🇿🇦型，也不👵😖需要从🧢🤸♂️头设计训练方🐎👩🎓案——只需要❌收集一批🥨失败记录，跑一🇨🇵遍TRA🧚♀️CE系统，几🈂🖋个小时内就能生🇨🇵🗣成针对这家公🍼司业务特点的专🇵🇦项训练，修补A😪🌬I在该👩💼🗼场景下的🚛具体短板🇺🇸。
