（来源：上观新闻）
性能方面🍳🕑，SPPO不🔚8️⃣仅没有损失，🥀在1.5B和7🇻🇬🧤B两种规模的🏷模型上，SPP🛄🦚O的综合平均☀❕分都略🧛♂️🧟♀️高于GRP📽💫O（N=8💋🍖）📘。因为人的🈸😂需求，从🍇来不只是🦘“把事情做完”☁。它通过💪🇸🇨阅读工作区目录和🇰🇳各代理返回🤔的简短摘要来了解⛑🧐项目进展，不需要🏙把所有🗳细节装进自己🇫🇮的"脑🧔📗袋"🌗。
第二个基准是M🇦🇫🇸🇷LE-Bench👮 Lite，💞🥎这个基准🔺更接近K🙉👩✈️agg📝le竞赛的🇨🇩形式——AI需☹要在现有数据集🙀👨👧👧上持续优化机器学🤽♀️🐪习方案，争🎁取在模⏲拟的竞赛排行📈📈榜上获得铜牌、🇵🇹银牌或金牌🔉💪。
“这种🔹💠带记忆的自主⁉智能体方向，是▶🥏未来所🇧🇴有成熟Agen🗽🔢t的必🕔经之路➿⛪。测试结果显示，🔣在难度最🚄🤸♀️高的H🇿🇲🇺🇬opper和⛴🇭🇷Mount😛ainCa🥃🏳r任务上，标准🇦🇶🥦PPO几乎完全失🏴🚨败，成功率停🍁在接近零的水☀🤭平；而SPPO成8️⃣功解决了这两个任😡🏳️🌈务，成📀功率稳8️⃣🇷🇪步攀升👨🦱👩💻。
