（来源：上观新闻）
设计阶段结束后🇲🇭，DC 将🕐🧖♂️进入实际的模块🇲🇷实现阶段🇯🇵🏊。GRPO达到5💪7.44分，SP😺🦇PO达👨👩👧👧到58.11分🐾⭕，配备小尺寸🦢👨🏭价值模型的SP🛎PO组🌿合更是达到了5🎾🐶8.56分，🇸🇳🍅拿下了所有🤨👨👧👧方法中的最高分☀怎么诱捕蜘蛛。但这个😥🧬差距已经比之前任⛹️♀️何AI👨🚒🔊系统小得多📿，而且研究团🇸🇽🇮🇨队在这个方向🛵👨👨👧👦上的设计思🏑⤵路，为进一🇳🇺步缩小这一差距提🥰☂供了一个清晰🌙可扩展的框架💱。
它只优化2D🍣🇨🇺参数矩阵，其🚺🌳他参数（emb🔡eddi🍒ng、pr㊗edicti⁉on head、🧯RMSNorm👨👩👧👦🐽权重、🧫👝mHC的静🦊态偏置等）还🇧🇸是走A💷damW㊗。DC 🇸🇱使用 S✔pike 构建一🏊♀️📧个整体的🇷🇪👨🎨 verco🍈❗re_tb🦷.v 测试平台🎣🏃。
压缩过程也没有C🚢🐬SA那🚥🌵样的ove👨👩👧👦rlap，直接每🐈🙎♂️m’个✖🌽一组压👔。这个发现让🧮研究团队🧡想到了一个问题⏸：既然框架👽切换才👴🍫是关键，😴我们能不能在🌖保留这个框架的🇱🇸同时，摆脱多👩👦🔢采样的高昂代价？🐪🤾♀️ **三、SP🚿PO：用一个聪💈明的"预测员🌠"替代🧴一批答案**🌽 基于上述洞察，🇦🇼研究团队提出了🇰🇲他们的新方法：🍏SPPO（序🏺🔯列级近端😏策略优化🕖✏）🧜♀️。
