一个慢推理模型，能在离线状态下给快模型当教练，把它的实时得分从 13.51 拉到 24.19。这是北京大学和三星的一篇新论文给出的结果。

打开网易新闻 查看精彩图片

论文里有个更扎眼的对比：在"暂停世界"的评估方式下，更强的推理模型能赢；可一旦游戏不停，它反而被更快的模型甩开。很多游戏评测会在模型思考时把世界暂停，慢答案因此不付出任何代价。放到真实场景里，一个正确的动作可能来得太晚。

为了量化这件事，他们搭了 RealtimeBench，覆盖 6 款游戏、共 180 个任务，包括马里奥、贪吃蛇和俄罗斯方块，这些游戏在推理过程中持续运行、不会停下来等模型。

结果很直接：在暂停状态下，GPT-6.1-sol 在 6 款游戏里赢了更快的 Jev 5 款；但换成实时运行、满分 100 分，它只拿到 1.51 分，而 Jev 拿到 13.51 分。

他们的解法叫 TORSI：让慢模型在每局之间研究快模型的失败案例，写出指令，快模型在对局中照着执行。经过 2 轮之后，Jev 的平均分从 13.51 升到 24.19，6 种游戏类型全部提升。

论文给出的结论是：做实时智能体，让快模型留在回路里，把慢模型放到离线去写指令、测指令。