（来源：上观新闻）
训练方式是一种👦🤮叫做GR🥈PO的👛强化学习算法：A🇨🇰I在练🧻习场景中一次生🤤成多个不同😳🦉的答案，系👯♂️统根据🇸🇯🍡每个答案🇵🇰的好坏给出分数👨🚒🦑，然后通过👬⚪对比组🇹🇬😵内分数的高低来计♌💒算每个答案📙😬应该被强化还是🇨🇺🇨🇴削弱🗓。成不成不知道🧞♂️🥮，但方向📥是对的👩👩👧👦。这个由 N💸ous Res🇸🇱🇸🇻earch 开🌡发的开源🔓🇨🇾项目，在 🎤GitHu🇧🇳b 上迅速👩🎨sem和seo有什么区别斩获 超🍀🇲🇩 10万 S🚛🇿🇦tar，跻身全🏳🏖球最受⚠关注的 AI 基🧟♀️础设施项🌪目之列🆎。
研究团队用数学🎂工具仔细🚩分析了👷GRPO的🐸🥵运作机制后发现：💤🌸GRPO之所以奏⬛效，并不是因📲为"多采样🎹"本身有什么神奇😺🤗之处，🤺🇧🇩而是因🕑为它在🇯🇪🙋不知不觉中把🏥🐰整个推📊理任务从一种框👺🇮🇴架切换到了🏉🇸🇷另一种🇦🇺◼框架⬆。
点众科🏸🦅技更是宣布推出“⛲双十亿”AIGC⛱🥎全球共创计划—🗞—投入1.5亿美🔧金与10亿人民币😰🌭专项资金，开放😾8万部存量🧡小说IP🀄，以“🎨超高保♌底+分成”模👨👧👧式扶持全球AIG🇭🇷🥃C创作者👔🇲🇭。
