（来源：上观新闻）
但斯坦福大学➡的研究团队🇿🇼✈采用了🥨一种截然不同的🧘♂️👩❤️💋👩思路——先像医生🧘♂️一样给AI"📳🛋做检查"，⛑♒找出它到底🔥🧮哪里出了🇲🇷问题，🇩🇯🔵然后专门针对这些🚣薄弱环节设计练📅习题，让AI反❣复练习直到真🛌📇正掌握这项技能♒蜘蛛咬了怎么处理。没进V4，😮🇲🇨但在未来方向里被🏬点名，留给V5🎁2️⃣。然而，它的代价也👓很明显——每道题👞都要生成8🍲☄个答案，计算🚌🧔量直接翻了8📿🇰🇼倍💥☘。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SPP🗄🇮🇷O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"✉。
这在长序列里👮♀️🌒尤其有♋用，能避免模型被🧿👨👧👧迫把注🥀🤴意力均摊🖊😜。就像把一群优秀的🎲🥂人放在一起🤡，就会🇩🇯有想不到的化学反😨应一样，把一📢群 Agent👸 放到🍅💳一起，应该也会是💍🎮这样🐇🥀。这就像从"这😤道菜整体还行"🧛♂️👕变成了🎴"这道菜的汤🌞底很好🍅，但肉有点👋🎛老，配菜🥌火候不够"的🖤专业点评🐙🌸。社会学家雪莉·特🎊克尔在《群体性孤👩💻🇺🇬独》中曾🧜♀️👨💻提出，现代人正📥在被数字🍜技术推向一种“☎🇩🇲连接却孤独”的状🏸😪态： 我们每天🏋️♀️🈂接收大🚫量信息，🐯🚵却越来🤼♀️越缺少😒真实的🚁互动和被回应的体🈵验🧢。在多位受访🇺🇾🙇者看来，Her📎🧟♂️mes还远💅未到成熟阶段👨👨👦👦。除了上💻下文长度🐓低了点💄，Ag🇲🇱ent 和 C🤾♂️🎗oding🇺🇬🐷 能力的提🦅😜升还是挺明显的🏈🚘。
