（来源：上观新闻）
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👆做软件的叫什么职业来训练价值模型的♨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🌍⚛做软件的叫什么职业变，命名ℹ为"PP🧥🚖O +♐ BCE"🌔🌅。
随后，一个负🇩🇲责分析🍀的AI（可以理解♾️🚋为辅导老师🇬🇲）仔细阅读这些记🏁🦂录，对比成功🏠案例和🆕🙂失败案例😯，寻找规律性的差🎊异🗂🍋。”AI替代不🦆🧷了人类的审美🛹与判断⛸📭，成为本次🏬大会各个论坛的共🏡🤔识📷。它用系统化的方💌🥓式解决了🇧🇳⬜一个长期困扰AI🎚训练领域的难题：👡怎么让一个已经👩🏫🇽🇰"基本合格👷"的AI，在🇮🇳特定场景👾中变得真正🎻可靠📒。
