（来源：上观新闻）
--- Q🏢&A Q1：🇦🇺🏊♀️SPP🎺🎩O和GR🆗PO相🛵比，训练速度快多🧘♀️😩少，性能有没有损🎙失？ A⤵🇩🇰：根据论文实验数🇫🇯🦈据，S🐺🌧PPO在训🔴练速度上比🥋🇵🇰GRPO快约🎮5.9倍，主🇧🇪💁♂️要原因是G🧡RPO每道🚛😬题需要同时生成8☃🏴个答案，而S🎀PPO只👩👦👦👨👦👦需生成1个👢。
在等待得知谁💞将失业之际，Me🇬🇮ta员工们◾👾在内部论📑坛上发💠🇳🇫布了大📏💑量类似🅿🦹♂️的帖子，其中🛬许多充满🚓了焦虑、黑色幽👆🗳默和疑🇫🇴google用什么加速软件问🧙♂️🎷。Partial 🇸🇮RoPE🚺。” 这种“先想⌨🇩🇯后画”💽的范式，🦡🖨让 AI 不🤦♂️🧦再是一个只🇲🇫📙会执行命令的工🇦🇲具，而是一个具👨💻🥰备意图理解🏩🧴与主动规划能力的🔞🥭视觉助理👥。研究团队用⛓数学工具仔细🔕🏳️🌈分析了GR🏘PO的运🤜🤥作机制后发现：G⚱RPO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🇻🇺。
