（来源：上观新闻）
GRP🇱🇸🐵O在使用8个样本🥅☎的情况👀🕷下，综合平均🍡🇸🇿分提升至47🏉.08🤔。**五、数字验证🏉：SPPO的表🇦🇬🚒现到底如何💆♂️** 论文通过大⚗量实验来验证S🍱PPO的实际效果🌬，测试平🥧台涵盖多🀄个广为认可的📨🎼数学推理基🇸🇻👩🚒准：A🔀🥺IME☣👨👧👦24、AIM👀E25🛳（美国数学🤰👩👩👧👦邀请赛题目）🐬🔠、AMC🔩23（美国数学🥀♒竞赛）、🦕🔳MATH500（🤬🛌5个难度等级🆔的数学题集）以及🌵Minerva 🦐Math（需要定⛔量推理能力的科👨🏭学题目）🛣👩💻。
（晴敬科🧡技创始人姚双🍆。这些模块的实际🏞🛐设计属于专🏜有信息🔘，本报🙍告不再赘述😀。一人公司这种😁🥾逻辑应该是🧭🔀一个趋势😏。这组数据背后🇨🇲的逻辑是😱😜：当训练📝✌场景与目标场🆗景完全一致（即📛🕎直接在目🇦🇮标场景上🎛做GR🇮🇨PO）时，模型很🇸🇱容易陷入过拟合或4️⃣🇬🇾训练不稳🎻🧰定的状态——它👤学到的🇸🇪👨👩👧👦可能是🇳🇺特定题目的答🈯🇪🇪案，而非♿通用的能力；而🔵TRACE的练习🇦🇪🇭🇰场景经过👨🏫专门设🕣😃计，每道题都由随💱🇵🇾机种子👯🍅程序生成，🌙变化无穷，💯AI练的是🖇👨👨👦👦"能力本身"而🖖🎟非"特定题目"🎩，因此能够随😧😹着训练轮次的增加3️⃣持续稳步提升🕙。
