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。

With shared vision and concrete action, China and Central Asian countries are pioneering a model of inclusive and mutually ...

Around the globe, rising protectionism and attempts to fragment the global economy are risking undermining global economic ...

搜 Gemini Student，可以免费领 Google One 会员，包含所有 AI 服务会员，NotebookLM 也在内。这样，你的 NotebookLM 一下子就支持 500 个主题研究，每个主题最高可上传 300 个素材。

CVPR 2025 的最佳论文来自牛津大学、Meta AI，提出了一种基于纯前馈 Transformer 架构的通用 3D 视觉模型，其能够从单张、多张甚至上百张图像中直接推理出相机内参、外参、深度图、点云及 3D 点轨迹等核心几何信息。