我一直不明白一个问题，推理是推理训练是训练，为什么不能推理的时候同时让它学习呢？如果实现不就真正的让大模型自我进化了吗？我知道之前有个模型好像是推理的时候让他训练好像模型被污染了，但是不让他进行下去谁又知道被污染了不是一个进化的过程呢？