（来源：上观新闻）
这个发现背后🌥🧴有一个深层🌺原因：😑当多种能力🚞同时塞进一个模型🤤时，这些🎟🦡能力之间会产🕡🐟生干扰🇮🇹👩👦👦，就像同时学习多🇪🇺门语言有👨🎤🇧🇿时会让各自都😌🥂变得不👩🦰流利🇧🇶。过去的思路🥇🌃是给AI灌输🚐更多数据⛩🇮🇩，或者让🆒🧒它在目标场🐴🔋景里反👬复试错；TR🇰🇲ACE🚊的思路是先诊断🥿后治疗，找到具🐇体的薄弱点，再定🐔制化地修补😺。
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（D*️⃣📥eepSeek🇸🇹🇬🇫功能测试的常用方法6种-R1-😤Dist💷🧣ill-Qwe🚨🔆n-1.🍥🍽5B）作为🥐👽价值模型，🛍去辅助训🍎🥪练一个70⏱亿参数的大模型🥁（Deep🥊🏵See🥔🦈k-R1🏍-Distil🚥l-Q📥wen🕳-7B）🚳👩⚖️。
例如，在某💇♂️个案例中，当🇧🇬未能满🇺🇾🤛足时序要😰求时，它🏰最初尝试进🛥🈯行重大修改以加深🇦🇶🎺流水线👨⚕️🚷，而不是☦寻找更简单👋功能测试的常用方法6种的解释🦛。这些操作🍴😏包括：㊗SpaceX向🤵电动汽🇸🇨🇨🇻车公司特斯拉提供🍗↖贷款(当时特🇭🇲🇹🇬斯拉急需资金🆎)；向太阳能🗳🇻🇪公司S👴🈵olarCi🐌ty注资(这🏵家公司🌒❌处境艰难，◀而马斯克6️⃣持有大量📟股份)；以及收购🧲❗他旗下烧钱的A🇬🇵🇲🇬I创业公司x🎧AI🤼♂️🍓。
