（来源：上观新闻）
一人公司这种逻🇱🇾辑应该是🥮一个趋🧔势💊。研究团队通🧞♀️🍈过实验直接🦚观察了这个"🍄🔸打分员"的行为🌬🗯，结果令🇱🇰⏭人震惊😝。把镜头再往后拉🚡。
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🇼🇫不变，命名为"🌋PPO🎻🥧 + BCE"⌛🐆。
例如，如果文🌹档中缺少 🏊😭CPI 🧚♀️要求，DC 有📎时会生成在分🌅🥰支和转⛵🏴☠️发方面™性能显著下降的处✌理器👨🔧。但工程上🎧装不下🧟♀️🉑，十几个🤒teacher🧞♀️每个都是万亿🧴🚚级，vocab 🌷siz🎡e超过10🇷🇴万🇲🇽💨。
