论文为什么采用当前数据构建方式，与通用搜索数据集相比有什么差异？

深度拆解我的顶会学术论文：讲清模型输入输出逻辑、PPO训练损失的融合实现方式；分析论文独特数据构建方式的设计考量，对比通用搜索数据集方案的差异化优势。