（来源：上观新闻）
此过程最🎛终由 DC 控📘👩⚖️制，DC 🌰🇦🇷可以根据每个🇵🇰🌻设计项目的需求🐞🇲🇴定制或修改👈该过程及其执🍢🌇行方式⏮⬅。然而当🤫🗂前的AI系🔃🇪🇨统在面对同样任务⛔时，却往往🤥👜只能"看🔣6️⃣个大概"👭。它的思路🐮🇦🇿是直接扔🥎掉那个不靠谱的打🔉分员，改🚭用一种"横向比🤼♂️🥄较"的方式：🇲🇬🇺🇳对同一道题，让A🍴I同时生🇲🇩成一批答案（通常👩❤️💋👩🇱🇾是8个）🛬，然后以✋这批答案的平🆕🥂均得分💻作为基准，那🔝🇬🇺些比平均水平好的🙀答案就得到奖励🧪⭐，差的就🥇🙎受到惩罚🍦。” 不仅如此，📔在获客与收🤚🌉入方面，OP🐙👨🎤C同样面🧤临挑战🔫🇵🇦。如果未来每◀🇪🇹个人身边🦃都有几只属于自己📨的虾，而这些🇳🇬🧬虾之间要频繁👂🤐协作，🙍✍那是不🍋🎴是真的需要一整套🇨🇲平行的基🇦🇽础设施，专门服🦂🥚务于硅基世界的📪🚈社交？通讯层🤾♀️、协作层、🚮域名网站身份层、权限层，🇲🇪每一层都要为✨🏔 Agen🔔🌰t 再写一遍🍹。
第二层是稀疏选🚛择，n/m2️⃣🔜变成top-🕟k🌔。而自变量的🔱选择是：🌛实验数据打底🕦🔣，真实场📈景提质❗🏪。大部分公司还在🔛🌸卷单 Agent👨👧👧 的能力🇸🇴🀄。每工作一天，都会👨🏭因为新数据的产生🇸🇽而变得更“🎏🐱聪明”🇹🇰🙋♂️。这一定位意味着，🏖这项研究填补了👨👧👧一个明显的🔡☄学术空白，并为后🇬🇾续研究提供了♍🆒一个清晰🍾的评估框架🇧🇹。随后，马斯🐦克敦促特斯拉👫股东投资新合🚴♀️🎻并的xAI和👘🦕X🍶。长时间运行的自🇩🇿域名网站主人工智能代🚨👨🦲理为改变这种现🍐👨💼状提供了🧂🐆一个充满希🐨🦎望的机会🆘🥮。训练数据量👸👀整整翻了一🏉📩倍多（🇧🇯©增长约 😧1.2 倍）😚。为了确认🇳🇷🏞SPPO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SPP👞🎋O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PPO框架上，🇲🇦👨🔧其他一切📭保持不变，🏣命名为🌃"PPO 🤽♂️+ B☯CE"🇫🇲。
