我感受到一种“矛盾性”

某个版本的模型会被 train（或者调试）的非常积极，但是往往积极不到点子上，有点瞎忙活的感觉

而另一个版本的模型相对克制，但往往做事情很靠谱

我认为这中间是人与模型分别付出多少的一个博弈关系，即模型的积极性与引导用户给出更好的prompt指令之间的平衡