（来源：上观新闻）
此外，DC 在某🏇些情况下还会低🕴估解决👨👧某些问题🧟♂️所需的工作复杂性♑🇰🇪。DC 👩👩👧👧怎么自己弄一个平台必须能够在遵循用🚵♀️户指令的前🇧🇶🇩🇬提下探索😉🚈这一空🈚间，以实现最佳性🤵🇸🇪能🧑📗。因为压缩注意力保🐿证严格因果性，🤐一个quer🎽🇸🇳y tok👮♀️🇦🇸en看不到🍒🏍自己压缩🇨🇿块内其他toke〰🥛n的信息🇪🇷🧙♀️。
V4把两者层层😌交替🏈。--- Q&🇨🇻A Q1：SPP🍓O和GRP😶☄O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，☺🏭SPPO🚝🦖在训练🇹🇴🇮🇳速度上比😷GRPO🏎快约5.⏬9倍，主要原因😧是GRPO每道题🛅☕需要同时生成8🧗♀️🇸🇹个答案🍺，而SPP😊😻O只需生成1个🎦🌔。
