团队认为编码是一个需要 System-2 思维方式的典型任务，涉及谨慎、逻辑、一步步的问题解决过程。而他们的策略是将强化学习（RL）与蒙特卡洛树搜索（MCTS）相结合，让模型能够不断生成推理数据，提升其 System-2 能...