（来源：上观新闻）
回头看，📿🥣人类每一次和技😘术的关🔘系变化，其实🐳都伴随着自我理解🦢🚅的更新🌻。V4还引入了🇻🇨三档re🍥ason🎱ing effo🇳🇬rt mo🧗♂️💆de，🕵️♀️Non-th✋🖥ink、T🗨hink Hig📖🤼♂️h、Thin😾k Ma🍈x，每档🍤输出长度不同🌏🤴。这会额外耗费数月📋💑的时间🗞🍯。这种"🚭目录树先结构化、再语🇷🇼👩👧👦言化"的路径，可⚗😿能比直接让语🇨🇴言模型输👩👧👧出区域级分析更🇫🇲👩🎓加可靠和可控🇨🇨。它可以同时召👩🔬💨唤多个子代理🇰🇵🥪并行处理不同维度🇲🇩，再汇总成完🆚整的分析文件，供🖖🍆后续所有代理🇱🇺参考☹。这属于预期👋中的行为模式🏌️♀️，反映出失真图作👨🏭为结构化先验🇰🇲🇴🇲信息的💨合理作用方式🧚♂️🛎。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🆎PPO框架😗🇬🇾上，其他一切🏖🇲🇱保持不变，命名🙍🇺🇲为"PPO + 🇺🇬BCE"🍮🇦🇨目录树。
数学、代码🍆、agent🐠、指令跟随四👍👻个领域，各自独👪🐶立训一个ex🇦🇱🔸pert🇲🇶。有个蛮有😲意思的小细节，在🛒形式化数学评🌎测中，De🎙epS🎃👙eek也皮🌷🏓了一下友商：🍣😬 我们在K2.🇦🇫⛄6和GLM-👾5.1的🎚部分条目留空了👠，因为它🐁们的API太忙，🦀没法及时返🎣☣回我们查询的结果🔭。在商业模式上🇲🇾✌，自变量也没有走🥦🤭传统的“卖硬件🎮🤦♀️”路线，而是更接🤕近服务订阅模式🌘🧱。原因显而易见：🍥🔹这需要推翻至少一👨👧👩🚒部分先前的设🤦♀️🧗♀️计成果，并🌈💅且存在引入更多🌦缺陷的风险😩🕦。它通过阅🚤读工作区目录和各🏋代理返回的简短摘♦要来了解项📟目进展，🍯🏢不需要把所有细节🚉装进自己的"🔝脑袋"👩🚒👨🌾。
