cbottle模型改进中的困惑

在做cbottle的模型改进工作，现在在用SFT，因为模型在海温的欠响应是线性的。而且RL不仅很贵，现在能用作RL奖励的唯一机制，恰好也是那把尺子。 只是现在非常担心，这个气候模型有45个场，我这样修真的算“修好了”吗？现在正负不对称（减温度的响应和升温不一样）海冰区又涨过头了（可能是训练时海温一直被钉在冰点，模型没学过那里的波动———那不还是没学会物理嘛😑）水汽又涨到150%了。 下一步该如何是好啊，感觉对RL的理解还是太浅了，科研直接什么的也太抽象了，一会儿要求你充满逻辑，又有时候你要有Novelty，直接这个词本身不觉得有点扯淡吗。总感觉有些更高维的东西没有被描述出来… 上面说的那些直觉和逻辑又都是真实存在的，头大。