（来源：上观新闻）
相比V3，V4🍷🧔在三个地✡👩❤️👩方做了升级🎤。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"⚫👩💻。
第三步🥌🇬🇶是"针对性强💖🆒化训练"🏴💂♀️。这说明📘🇲🇳预测题目难⛏🤣度所需的能力，远💆比解题🏳🍐能力更容易💡学习🌉🔑。结果出乎意料—🧽🥂—这个"小个🥅子"价值🦌🇲🇻模型不仅🎵🏋能正常工作👻，而且1️⃣🤾♂️这个组合在所有测🕰试基准中取🌔⏹得了最高的平均🇹🇫分👃🍍。她去警察局认领✌😅曾志伟饰🈂📇演的豹哥的尸🌑✊体，看见豹哥🆔🇻🇪背上的米⛲🛤老鼠纹身，⛲她忍不🆎🗺住笑了，因为那⏺是豹哥为她而🎇纹的，但很快她⭕🇳🇬意识到这个人死🏟💁了，崩溃痛😌哭🧐🌡。
那结果会怎样呢🏅。SimpleQ💖A-Veri💷fied⏺🔼上V4-Pr🎟🛁o-M🦏ax拿到57.🧝♂️9，K2.6是3😬6.9，🇧🇩GLM🐙☎-5.1❓↗是38.1🇻🇨😊。一人公🍘🚣♀️司这种逻🎂🆗辑应该🚔是一个趋势🇱🇺🎬。”加兰说🚥。以最简单的 🚏🇲🇭Eas🧟♀️👨🎨y 级别为例，🌫🍧PANDA 在区🔊😪域比较任务上的🗨准确率达到了5🏯🚀8%，而开源🤛的蒸馏专项模型 🎷👩🔬Depic🤵tQA 😎🔳只能在🤒🍼用 PAN🇦🇲🦖DASET 额外🍚训练后才达到🎽🦹♂️49%，🔝如果不额外训练则🌮根本无😏😐法完成这项任务🎍。
