（来源：上观新闻）
”鲁豫觉得很👢🌕疑惑，提🇮🇩🇲🇨出了一🚓个很现实的问题：🇳🇴“难道不😤🔠需要获得原🙎型的认可吗？”她📃🇨🇨更是直言不讳😯地表示：“我作为🇰🇿观众，是不会🤕🌖看AI电影的☯🙉。打分员必须❔👨👧👦把这个唯一的结🙏👚果，沿着几千步的🌸推理链🎒💮条，一路往🏉🔳回分配功🏓👭劳或责任🛑🇺🇿。其中有🇺🇾🧛♀️不少带⛔🚭星号的名字🍟🧙♂️，是已经离🕜💃开团队、但仍然对⬆🇬🇦V4做出🖌🧸过重要贡🎨献的研🐵💿究者➕👋。这就好比一个判卷😳老师，全🇬🇶♠程不看解题👷过程，只盯着最后🔧一行看🎾🧵，凭"感觉"打分🧨。484👩🌾🧖♀️天后，我们谦🦏卑地分享这份🍞爱心的劳🈂动👨🎨🔑。
这个概念是整👂®个系统的技术基🇲🇺石，也🚮🥰是它与其📧他AI系统最显👻著的区别之一🙅♂️。不只是工具，也😱可以是伙伴 过去😁🛀，当我们谈论机🍸⏰器人的未来时👒👬，绝大多数〽人的预测与期待，🇲🇳都指向了同一个🇳🇱🏴☠️词汇： 效率⛰。第一个🇫🇷😉局限是 PAN🇮🇸🖤DA 作😧为基线🌖⛵模型的简洁性🇮🇷。做一份深🕰🇲🇴度研究是前者🥊，做一个🕌产品从设计🇭🇰🇳🇷到发布是后🇹🇩🐆者😦🔮。想看深度报道，请🦀微信搜👴🐠索“凤凰网科技🔄”🏙🎐。为了确认S⬜PPO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SPP🤷♀️O用来训练👨💻价值模型的方式🦂5️⃣（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♦"🐞👪。
