#120·TinyZero是否应该从 <answer> 标签中找到正确答案的奖励作者: Zhou-Weixin创建于 2025年11月7日更新于 2025年11月7日定义正确答案的奖励是否应该从 <answer> 标签中获取，而不是从 think 标签中提取 equation 并执行内容来源: Jiayi-Pan/TinyZero查看 GitHub 原文在 GitHub 查看讨论