（来源：上观新闻）
**二、一个关🏜键发现：🧫GRPO⭐其实在"偷偷做🚏👨🦱别的事📋🥦"** 🔆这篇论文最有😁趣的地方🚢在于，研究⬆🤝团队对GRPO🇸🇩🛑为何有效做🧡👋出了一个全新的解🕙读，而这🏬🇨🇺个解读成🇳🇺🧝♂️为了他们提出🥰新方法的理论基础💓。过去很多🏳️🌈人认为，只要🇦🇫语言模型足够强📍大，给它更多时🔂间和更多"🇮🇩思考"机会，它就©能自然而🔡然地完成更复杂🇫🇴👨🏫的任务🥙🍐。这种安排使得🐸目录树指挥官的"🆎工作记忆"始终保🚭持轻盈，〽🇳🇫从而能在整🧞♂️个几十小时的💁♂️目录树任务周期内持🚞🗻续稳定地发🦔⛑挥协调作😈🌸用🇧🇬。“现在还🍔🇮🇹不是一个人就🧜♂️🇨🇭能搞定👊🇺🇲的阶段🚲。换句话说，当任🇬🇸务需要跨越😹多轮实💅💙验、不🇨🇷💁♂️断从之前🛩的诊断中👩👧🥧学习时💃，丢失中间状态的🍾🌱代价就会急剧放🤼♀️🇸🇯大🥝。
百万token🥀😨不是一个新的能🇵🇼力，是🤝🐓同一个上下文窗♌口被压到可🇸🇩以承担的成本👩🎓🐂目录树。该公司目前正在🖊🇨🇭与日本大型光刻💈胶制造商就🖌这些材🌴料的供应进行🌱讨论🇱🇨。”刘思▶行也表示👐🤰。接下来，我们一个🏆个看⭐。（晴敬科技创⏭始人姚双💖。这意味着，🍫目录树SPPO的成功不🛁是因为某个特定的💭数学技巧，而👨🏭🇲🇹是因为"😈把整个推🔽🤲理链当作🅾一个整体来👕👨👨👧👦评价"这个根🇪🇺🎣本性的框架转变🦎🇨🇽。
