（来源：上观新闻）
提示词： 🍿设计一❇张日料店✅的菜单海报，包🥋📸含店名‘椿·旬料👻理’，至少三道🇸🇪菜品：🦖🧮三文鱼🏭🚳腩刺身、特选🛀📄寿司拼盘💎、纯米大吟酿，价🐽格用人民币符😽号*️⃣。GRPO达🥰📽到57.44分，👢💇SPPO达到58🇸🇳.11分，配备🇿🇼小尺寸价值模型的🛑SPPO组🕡🚻合更是达到了Ⓜ👉58.56分，👩👩👧👦🗝拿下了所有方法🤛🏴中的最高分🐴。
同样，当🇲🇰失真图把某个🏇💆区域标记为"♻干净"，但实🌵🏰际上该🌳9️⃣区域存在过度🤘锐化时🎇，GPT-5💅 Min🇬🇺i 也🎽能通过👥视觉分析得出👨👨👦🧳正确结论🦘🤽♀️。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G🧖♂️RPO）💦🇬🇼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，A🍤I练的是"能力🇦🇸本身"而非💪"特定题6️⃣💊目"，因此能够🥀⚫随着训🏊练轮次的增加持🇪🇭续稳步提升🇳🇺。
