（来源：上观新闻）
为了确认SP🐅🏦PO的优🌂🚜势确实来自🕧🤷♀️其核心设🏴☠️🌠计思想而非其🌺他因素，研究团队🇮🇩👨💼还做了一📕🧮个对照实验：🧫把SPPO用来👨🎤👜训练价值🇳🇨模型的方式（二元😭交叉熵损😎🌽失）直接嫁接📊到标准PP🈳🐮O框架上，其他😶一切保持不变👊😡，命名为"PPO👍 + 👦☠BCE"📥。王潜坦承，📕当前模🧹型仍处于“🥳实习生”阶段，需👨👧🇦🇷要远程🍄协助，🤽♂️有时可能把拖鞋🍋🇻🇦放到厨房🇵🇪🏟、擦桌子👭😜擦到一半停下来“🀄思考”😓🚔。
任务规🍵🔦则非常严格👨💻：给AI🦖一篇论文🚕🚃、一个🇧🇯👩⚕️配有GP♥U的空🌜白Doc🤳ker容🎂器和24🇧🇶小时时间，不能📈🇨🇩使用作🦍📪者的原始代码，必😑🇵🇬须自己🤷♂️👁从零开始🎓➗搭建、🚶♀️😨运行并得出与论文🇻🇦🎿匹配的实验结果🇵🇾🗳。这个视🇬🇱角的转变🦎非常重要😐，因为它🙄意味着：当你不再⚽🌖试图给每🌋个步骤单独打分，🧿🥛"打分员失灵"🇺🇿🔺的问题就自然🐋消失了👈。
它们还可以让那些🔂👷♀️原本缺乏资🍸🧚♂️源或人手来🇬🇶🗼完成项目💟🚷的小型团队也🇸🇾🚃能参与设计🏺🚧工作🛶。这是一种🚀内生的空间感知能🍂力，而非🍴通过外部测量或建🇬🇶🖱模获得🚂🌩。整体架构 V4这🏯🧀一代，是Dee😓🥮pSeek系列🤯里动刀最多🏥🥚的一版↔。
