（来源：上观新闻）
为了确认SPP🥠👋O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SP🇬🇶⛹PO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5️⃣🐾持不变，命名为🍠"PPO +🚴🇵🇰 BCE"🕺。
道理很简单，📇单个 Agen🚻🇨🇺t 自己🌿能力都不🏞🇳🇮够，把一堆能🛏📨力不行的 🎃Agent 🕕凑到一起🍔🔗做事，等于一🇾🇪屋子干不了活🧚♀️✊的人开会，🍌👩🦱只会更乱🎫⌛。
去年，一名🥖特斯拉股东提🍻出一项股东决议🈯，建议这家汽🇳🇱车公司投资x🇳🇴AI🕔🇬🇬。性能方面，🦄SPPO不仅没🕶有损失，⏩在1.5B和7B⌨两种规模📇🤸♂️的模型上，SPP🔢O的综合🛤📡平均分都略📑高于GRPO（🔸🦈N=8）🇯🇪。
