（来源：上观新闻）
（1）架构🕓推理 基础🏟模型需🚤🎴要额外🇮🇩帮助的领域之一↪👩👩👦是像架构🏤🈂师一样进行〰🧣推理😃⚱。--- 🇧🇻🔫Q&A Q1🛃：SP🍹🐵PO和🇵🇪🇦🇷GRP✅🎌O相比，训练🌞速度快多少，性👨🎓能有没有损🤽♂️⚫失？ A：根🈵📷据论文实验数据🥂，SPPO在🏬🎾训练速🥡度上比GRP🇴🇲🇫🇲O快约5🇯🇴.9倍，主要原因🇳🇿是GRPO每道🅿题需要同时生成8🎽🇹🇬个答案，而🗽✖SPPO只🖊需生成1个🅾。
**六、不只是纸🚵♀️🌠上谈兵：在经典🤺游戏控制🎅任务上的验证*👖* 为了排除"成🧲功可能只🧹是因为在某个特🇲🇶😋定训练框架下的系🇨🇩🥦统优化"这一🤡疑虑，🇲🇹🏫研究团队把S🦍PPO移📧🧞♂️植到了五📻个经典的强化学习🥊🦂控制任务上🥣：精密版🇧🇬🕗CartPol🤠♍e（控制杆子不🥳倒）、Mou🆙🕷ntainCa🧩r（让小车🏵爬上山）、Ho㊗🛳pper（双足🇸🇱机器人前进）、🇩🇬Lunar🖌Lander（🇮🇸😎月球着陆🙉器着陆）和Pe🔡ndulum🦄（保持摆杆直立）🏴。
