（来源：上观新闻）
研究团队➖用数学👕工具仔细分析🌡🍡了GRPO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🇭🇰seo和sem奇之处，而是因为👨👧👦👅它在不知不觉🖼中把整个推理任👂seo和sem务从一种🦞📤框架切换到😞了另一种框架🔥。他表示在🇩🇲🥞2026年🤧🧘♀️4月16日✖🖋完成在东方🍱👨🍳甄选最后一🧴场直播，第一场直💕🇹🇻播则是↩🧿2022年8月5➰🚏日🙍♂️。
这是因📈为打分员需要🇩🇲🇳🇬理解AI在每🇿🇲😙一步的输出🚭，从而估🤾♀️算当前局面🧡的价值，而这🧢种理解能✳力要求👩🎓打分员具备👞🇸🇲和AI🇺🇳🇹🇻相当的语言理解能😊⬇力🚋。训练数据量整整翻🦎了一倍多（增长🐑⌨约 1.😒🦷2 倍）👡。这种探索🧡工作是浪费🐑的，不必要💖地消耗了令牌💠，而如果💙🐯模型对架构和工🈂程有更深入🇧🇸🥠的理解，这些🗯🦚浪费是🔅可以避免🥤的🇯🇵😍。
