（来源：上观新闻）
但现有主流训练方🇪🇦法存在根本🛍🥅性的缺陷，而👩👦⬜这篇论文提出的🏓新方法🦕，正是为🇳🇿了彻底♥解决这个问题🧜♂️。” “不是每个人📳都能用好AI👀。（2）上🇲🇭下文管理 数据中🚫心必须🏺提供LLM所需的🌶🇬🇹信息，🥔🇲🇼以便它🏜🇨🇴们做出正确的决🤷♀️策👗。实验数据显示🌆，SPPO大约😟在22小时内🇲🇹就能达到约⚙58分的峰🚶值水平🌘，而GR🥢🇦🇨PO等方法🈁🏛需要明显🧡👔更长的时间才能🇿🇼🧚♂️达到可比水平，整🏢体速度差距约🚮为5.🇰🇭🍔9倍🕒。
公开文✂件披露，1️⃣🧲他长期以🚦💹来一直👨👩👧用自己持有🚕的特斯拉股票作🔞☑为抵押，从华尔街🌏🇹🇱银行获得数亿美元🇬🇩😲的个人贷款🦠。法庭和公共记录显🧭🧬示，到2016🕦年，Spa🥨ceX已👻向Solar♣Cit➗y注资🤯2.55亿🇨🇻👨👨👧美元🥶。
研究人员发现，👅🤱让AI学会💋💸解数学题、🎫做逻辑推理🇦🇬，需要用到一种🇵🇪叫做"强🛅化学习"的训🙊练方法—🥔—本质上就⏳是让AI不断🇨🇿尝试、不断根🏞据反馈调整🔁😠。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😑🇵🇷。
