据媒体报道，有消费者反馈，自己在悟空平台遇到了“低价引流、高价加收保险费”的租车陷阱。他花费1700元在悟空租车平台租下8天的腾势D9，取车时却被要求加购4000元保险，金额超出租车总价一倍多。拒绝加购保险后，他收到了来自租车商家的威胁：“出问题不走保险。”
依赖链短了，但根因没变——还是那个外部OCCT工具链，还是那些时序脆弱问题。这条路很快被判定为死胡同并弃用。
蔚来汽车：6 月交付 40597 台汽车创今年以来新高，同比增长 62.9%极氪：6 月交付 35169 台汽车，同比增长 111%；2026 年 1~6 月累计交付 178370 台汽车，同比增长 97%。
因此，我们可以把后训练理解为对模型输出分布的重新塑造。本文重点讨论三种后训练方法： 监督微调（Supervised Fine-Tuning，SFT）：在预先准备好的标准答案上学习； 强化学习（Reinforcement Learning，RL）：从当前模型的输出中采样，再根据奖励优化； 在线策略蒸馏（On-Policy Distillation，OPD）：由学生生成轨迹，再由教师在学生实际访问的状态上提供逐 token 指导。