（来源：上观新闻）
标准PPO的方🗜式是：出题，🦸♂️💮你作答，老♑🦓师给整🔕👨👩👧👦道题的每🏔一行打分，但他🍣因为"尾🇱🇻🏓部效应"而🙃打分失🇸🇱准🇦🇷☪。
Muon优🙆♂️化器：从Kim🙆♂️💽i那边借🔣的🇧🇼。**当AI做数学🦀题，"打分🍞📸员"却失灵了*🧲🎈* 假设你正🇬🇷在教一👨❤️💋👨个学生做🏳️🌈♊数学题，你🚯的评分方式是：😂等他把整道题全🏣部写完，才告👬诉他"对"🏳♻或"错🥞"🖍🇵🇼。
论文里没🚢🇵🇦有长篇大论地🙌解释CSA和🇮🇶🇻🇺HCA为什么🙊😂要配对使用，但😁读完整个ar😲chitectu🏄🌽re章节，🐫👨✈️能看出它🕐🙍们的分工🇰🇲。
