答案正确性奖励 (r_ans)： 最终答案是否答对，由GPT-4o进行语义评估并结合BLEU相似度给分。 这样的「老师」对自然语言表述具有强鲁棒性，避免模型钻格式空子，也进一步降低了人工评判成本。

2025 年转眼过半，月底还有 小岛秀夫 的《死亡搁浅2》将要发售，不知道大家上半年都玩了哪些新游戏呢？马上到来的 7 月份也有很多值得关注的佳作，国产机战以及 ARPG 属于万众期待，经典 FPS 打僵尸续作也跳票到了 7 月。

​​2025 年转眼过半，月底还有 小岛秀夫 的《死亡搁浅2》将要发售，不知道大家上半年都玩了哪些新游戏呢？马上到来的 7 月份也有很多值得关注的佳作，国产机战以及 ARPG 属于万众期待，经典 FPS 打僵尸续作也跳票到了 7 月。  ...

NEW DELHI, June 18 (Xinhua) -- India and Canada have agreed to restore stability in their relationship and reinstate high commissioners in each other's capitals, officials said Wednesday. The two ...

In the pre-dawn chill outside a New York mall, young fans camped overnight, eager to get their hands on a Labubu doll. In ...