强化学习：让模型从「会说」到「会做」这套逻辑对语言生成任务效果极好，但对于需要一步步做到位的执行型任务，存在根本性的局限：数据里记录的是结果，而非「在失败后调整策略的方式」。训练的计算消耗远超普通精调：模型必须在成千上万个任务上持续采样、评估、更新，对集群的规模和连续稳定性要求极高。
2026-06-17