结果回流 · 2026.11.03 17:20

先让新题
真正参与学习。

筛题、旧最佳组补测和三轮安排已经写入新版本，87项本地检查及实际安装通过。GPU仍关闭，新版还没有正式成绩。

新发现 / 新题的实际学习比例

新题不少，
真正参与主练的偏少。

按每道新题的八份原回答和实际学习记录核对。原联合组第三轮新增四题，没有一题提供成败差异；纠错的额外学习另记。

旧实验组	新题总数	实际参与主练	八份全对	八份全错
Wide	24	12 / 24	4	8
Deep	24	16 / 24	7	1
原 Wide＋Deep	24	9 / 24	12	3
改进 Wide＋Deep	33	15 / 33	13	5
改进 Wide＋Deep＋纠错	33	13 / 33	13	7
50 种子大题量组	34	17 / 34	13	4

任务先经过环境验题，再由学生各答八份。成功1–7份才作为新题入选；全部八份保留，入选后不重做。

全对或全错就根据真实表现改题，最多补一批；不对同一道题反复抽答案。额度用完就按实际有效题量继续。

普通组从固定官方题池补题，采用相同筛选和候选上限。三组分别匹配复习题与新题数，再统一学习。

被筛掉、未匹配入选的回答仍保存并计入成本。筛题确保入选新题有真实成败差异，最终成绩是否提高仍要看独立测试。看完整分析、补测与轮数安排 →

固定：关闭随机选择。随机：打开随机选择，随机程度设为1。题目、给模型的要求和可用动作都一样。

模型写下一个字词时，会给各个选择分配概率。固定：取概率最高的。随机：按概率抽一次。例如下一词“获取”占70%、“制作”占30%，固定选“获取”；随机也更容易选“获取”，但可能选“制作”。

边写边这样选择，最后的动作和路线就可能不同。每次仍只完成一份回答，不遍历所有路线，也不试到成功。随机每题两份，两份全计分；固定每题一份，次数与选择方式是两件事。

AgentGym-RL官方TextCraft示例每题随机做一份，没有要求同时报固定成绩。我们以随机为主要结果，额外用固定看看关闭随机选择时是否也能答对；两列不混成总分。

轮数判断

三轮只有两次根据学习结果调整课程，完整回考链可能偏短；但旧联合组第三轮的新题全部无效，直接堆轮数也可能继续浪费。

先看新版每轮有效新题、原难题回升、退步和重复错误。若第三轮仍有持续收益，再预先约定普通、联合、纠错三组统一从三轮续到五轮，保留第三轮模型。不会自动加轮，也不用最终测试题反复挑轮数。

中间场景约17小时，候选少约13小时，全额度且变慢约47小时。按旧费率分别约31、22、84美元；老师与存储另计。补测预计20–40分钟，完成后进入新训练。