（来源：上观新闻）
PAN🍈📊DA 模😸🎇型的参数量仅为⁉0.028亿，🇧🇪🔰处理一对🌐包含14个区域🇸🇽🍃的图片对只需要🎼3.53秒，而📆相比之💇🏥下，同类开源👊多模态模型（🏎如 Q-Ins🇲🇩👩⚖️ight⬇）处理同样的任🇫🇲务需要27🗝4秒，参数量🇲🇳🇦🇫更是高达🇵🇾🇳🇦70亿🏀☔。研究团队◀🧽测试了用15亿👔🦵参数模型作为价值🎯模型来辅🌠助训练🌁3️⃣70亿参数👨👨👧👧主模型，两者相🇲🇽💂差约4.🍴7倍🚖。Kimi 这个🐒🍞 Claw🏛 群组，大🍂🌗概是这件事的🚔🐶一个很小的开🥽端🇨🇭🤼♀️。
。研究团队用🧛♀️数学工具仔细分💭析了GRPO的运6️⃣👡作机制后发现🤤：GRPO之🧾🇲🇼所以奏效，并📙不是因为"多⚫🛥采样"本🏎🇮🇸身有什🧡⛓么神奇之处🦵，而是因为它在不🎁知不觉中把整🇪🇬个推理✴🕚任务从🚆一种框架🇨🇬🥏切换到了🦷🇮🇸另一种框架🚰。结果呢？模🔱😀型给出的回答根🌨本没有涉及区域对🌇👙比，也没有🚙质量评〽分，甚至🏃♀️漏掉了某些区域，🔙🇱🇹给出的是一段💇对整张图🦎片的笼统🥿🕧描述🏔💈。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👩🚀。(2) V🐞erCore 🖌❕Pipel🏗ine 图✴ 4 展🌌💔示了最终 V🛒📘erCore 的🇭🇰流水线🇮🇩。第二步是"定🇦🇬制练习♟️🤙环境"🇷🇺。
