（来源：上观新闻）
**说到底，⚫🦷这项研究发现了什📞🙇么，又意味着什✏么** 归根🆔🖱结底，⭕这项研究回答🇲🇭了一个在AI训🍋练领域长期存😕在争议的问题：💹大模型推理能力的👬训练，应🧪该用什么样的框架🤛📯来建模？ 研🅱🕜究团队的🙊🚶答案是：把整🤡😎个推理过程当🏴🚰成"一次性行动"🇩🇲😂来评价，而⚗不是"一系列连🇾🇹续步骤🍆"🙆。当AI部署在全📇🇫🇲新场景时⛈👟，事先没有♣🇲🇲任何失败记录可🚻🇰🇪供分析，🧯TRA🇭🇹✳CE的冷🚢启动问题如何解🌎🥟决？随着😸部署场景的增⛲加，插件🍻数量也会随之🕷🥏增长，如何🙃🕙管理越来😒🇿🇲越庞大👸💪的插件库🏚◽？当某个任务🐲🚶♀️同时需要多种能⛄⛎力时，单一插💟件的路由策🥪略是否🐘📧足够？这些都是📀下一阶🌛🔤段研究可以🚛深入的方向⤴🎱。
在一些复杂🇪🇷任务中，过度抽象📏💥反而可能丢失😋关键细🧗♂️节，而在长期🧸⚙使用后，记忆体系🈳本身也可🎎🎮能出现结构混◽乱的问题🖱🚫。在深度科技🧓研究院院长🥤张孝荣看🐘来，H🇹🇭🏘erm🍃es给出的是A👩👦gent进化的一🆕个方向，即从▪任务执😞行向认知规👑划的范式⚾转变🇰🇮。它可以同时🌓召唤多个子代🇲🇷🇱🇹理并行处理不📎同维度，再汇🛣🇯🇪总成完整的分析💘👨🎤文件，供📨后续所有代理参考🙀。
