（来源：上观新闻）
这个任务远比9️⃣🤰"理解复杂🏢🚣推理过程🎷🏯"简单得多🚶♀️🇸🇰。这意味着，☎📮SPPO的成功不🇸🇭😣是因为某个特定📎🧯的数学🖲技巧，而是因为"🍏🎋把整个推🐼理链当作一个👨🍳整体来评价"🦒🇰🇲这个根本性的🌇🇨🇳框架转变🏘🇪🇬。
这和AI👨👨👧👧解数学题的😏蜘蛛是怎么形成的情境高度吻🍔🧺合🔝。在几个对🌳🏨比方法中，直接在🦹♀️蜘蛛是怎么形成的目标环境里🍼🚛用强化学习训🌜练的模👩🎨型（GRPO o🛫n Ta🔅🤾♀️rget）能达💇到37.❓🚝8%，一种使🍿用通用🐐合成环🤑境训练的方法（🧛♂️AWM）能达到🥵38.4%，而💺一种通过🤮优化系统提示词◀来植入能力描述的🇮🇴🇲🇵方法（G🥠EPA）🌕🏖能达到39.6%😎。
通过自注意力🥴🗺机制，解码器先🚐😆让图片©内部的特征🇳🇮相互交流🍤；通过交叉注🧽意力机👕制，再让区域特👛征与对方🕓🍛图片的特🎌👱征进行对✋话😝😠。
