（来源：上观新闻）
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S🤦♀️PPO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🐤一切保持不变，命🚭名为"PP👨🏭O +🔢 BC⌨🤹♂️E"🇬🇫。在图像信号处理✉器（ISP）基准♣测试领域🦇，可以系统⭕性地比较不同🧾ISP算法🦊🕧在各个图💒beautitul的中文像区域的🍞🏉处理质量🧠。而纷纷入局的😾爱奇艺们，可能👩👩👧👧是真没招🇳🇮🇪🇹了💆⏺。
这就是这篇🍢🌽论文要🇩🇪解决的🌕♉问题所在——不是🔄🍉让AI写一段🦹♂️代码，也不是让A😸🐉I回答👨💼🇨🇴一道题，🚣♀️而是让AI像☠一名真正的科🎂⛩研工程师🦃🐇那样，端到端地🖱🛰完成整个机器学习♨研究的复现与优🔵化流程😅🍟。因此TRACE🐤的性能🐲🌭随训练🧀🤾♂️轮次持🇬🇹续稳定上升，而直🧗♂️接训练的曲线波动🦁明显，最终停留🏠在37.8%🌥🇸🇮，而TRACE🐌🏋️♀️达到47.0%😣🧱。
