（来源：上观新闻）
这种思路🆘对普通用户意味着🍺什么？以客🌨服机器人为🇬🇪🉐例，如🧜♀️果一家公司🐯发现自己部🐶署的AI助手😵🔔在处理退换货时经👭常出错，不👛需要重新👨👨👦🇱🇦训练整个模🍀型，也不需要从头😓👨👦👦设计训🇱🇮练方案——只需🙋要收集一批失败记🇱🇷录，跑一遍TRA🚵♀️😂CE系👩🎤🧚♂️统，几🇻🇪个小时内就能生成🇳🇿📿针对这家公司业✌🇦🇪务特点的🚜🤢专项训练🇱🇦🇲🇫，修补AI💲在该场景👨👊下的具体短板❓。
结果出乎🇵🇬🦝意料—🇬🇮—这个"小个子🕔📜"价值模🥄👩🏫型不仅能正常工作🏏，而且这📀个组合在所有测🐓试基准中取得🗜了最高的♨平均分🗡📇。过去，训练💼一个70亿参数的🌸推理模型需要同🅿时加载一个同🏡🏀等大小的打分🎨👩👩👧👦员，内👽存压力极大；而🥐SPPO允许用一💭🚅个小十倍的🤧模型担任价值预测🤥📁者，让🆒更多研究者🐸能够在🈵有限的❔计算资源下开👼展实验🇻🇳🎩。
随后，👨🔧马斯克敦促特🇨🇨斯拉股东投资新合❌🇱🇷并的xAI和X🏳⤵。软件生🐖态与市场意义 谷🇫🇷歌强调🐰🎢，硬件性能的释🍇放有赖于配套软件🇮🇲📹栈的协💪同🕴。拆任务🏹🇸🇧、派活、盯进度👯、验收结果，🔘都是它在管🧖♀️。这种高度集中🇳🇫的分布说明🏴，目标👨👨👧👧场景的失败模🚌▫式并不是均匀分🕝散的，而是高⚠🍄度聚焦在📇少数几种能力缺失⚖🙁上🇦🇱👯。
