（来源：上观新闻）
现在我想的是把👩⚖️团队所有人都拉进🌨🍕一个群，🤚每个人的虾也都进🇲🇸⏏来🌐🇳🇿。**一、📏🌥训练AI🌷推理，为什么这👌🌟么难**🇻🇨 要理解这项研究🐷📺的价值，👩🚒得先弄清楚👊🥶AI推🦁理训练的😯现状⬜🐻。测试结果显示🏣🔯，在难度最高🗽的Hopper🚧和Mou🕖💥ntainCa🇸🇪🥳r任务上，标准P🇱🇰PO几乎完🚦全失败，🦑成功率停在接近🌜零的水平；💘🈶而SPP🕐🇮🇨O成功🛀解决了这🧫🇯🇵两个任务，成🥈📙功率稳步0️⃣🍙攀升▪😙。
第一条🌬，百万tok🧙♂️en上下文全🇪🇸面开源，KV c🥒🇲🇿ache大🇦🇹🇱🇺幅缩减🎭🎳。当然，这🐛🏪项研究🖼也坦诚地指出🏑了自身的🥕局限：SPPO📠🔪的设计前提是存在🌯一个明确的😉对错判断——数📵学题是🔁🤾♀️否答正确🆖☮。核心是📬把残差流从一维变㊙成n_hc条并行🌠通道，每层之间通🇻🇺过一个🌋🕒seo与sem的区别是什么矩阵B来混合🐏。
