（来源：上观新闻）
这一波🤟🥌泛站密集发布里，我个🇬🇲👾人有三个看点🕺👨👩👧👦。另一人🚡🈚回复说：“我激励🇭🇳⛷自己的🇧🇻方式，就🥾是做一些💳🇳🇪以后能写进简历🦖🇴🇲、帮我找下🛷一份工🥒🖌作的事👎，哈哈🏯🔰。Q3：📃标准PPO在推理🍂*️⃣训练中为什么👏🍞会失败，具🛴体是哪里👻出了问题？ 🖕A：标准🥜🇳🇺PPO🍔失败的核心原因是🚈💻"尾部效应"—🐮—其内置的打⬆分员（Cri🔭🥫tic）无法在几📧🇧🇸千步的推理过🔯☸程中有效🏹✴分配奖惩📐🇻🇦信号，而是🇪🇺💫一直等到推💨理接近🌽⛱结尾才根据🙅😘最后几行文字猜测🐷🙌结果，🤜导致整个中间推🇺🇳👍理过程既收不到⛺🇷🇼有效激励🖥，也收不到🆎🕢有效惩罚🏩。
每种失真还🇧🇬进一步细分🐳为不同的子⏲🚧类型（比如不📧🆖同类型的噪点🚱🇺🇳、不同🛣🧓的模糊方式、不同👎的压缩算法）📩，总共形成32种😂🇫🇰子类型🇰🇾🇻🇨。研究团📶队使用了🦟🇦🇫一个名为 DIN🚏🇹🇻Ov2💩 的预训📩🇹🇲练视觉模型（🇷🇪🈴可以把它理解为🎢一个经过大量图😊🧙♂️片训练的🛩🍻"看图🐂🍋专家"），将输入🧭↩的两张图片分别🇲🇾转换为包含丰富🙀视觉信息🧕的特征矩阵🅿🤤。
性能方面🇮🇨🕐，SPPO不仅没☪🍝有损失，在1.5🕚🤷♀️B和7B🏣泛站两种规模的模型上😑，SPPO🇰🇳的综合平均分都略⏹高于GRPO（N👨🦲🐬=8）🇧🇯🇲🇭。每个 DC“实🏘例”都专用于🇬🇹👕一个客户🤝的设计，🤸♀️🔫因此代码、🚦🎀内存或任何信息都❓🇮🇲不会在不同客户🛒🦶之间共享⏏。在Pape🇹🇯😢rBenc🇭🇺⚰泛站h上，平均🌨🚠分下降了6💂♀️🚞.41分；在😧🏙MLE-B🇵🇪🏋️♀️ench Lit🧪*️⃣e上，任意奖牌率🚛🇮🇶下降了👩💼🇬🇩31.82个百分👩👩👦👦点👩👦🍎。而同体量的🏋🎎真人短剧，预算🥢🌞在200万元⚒左右，周期🐅在3个月以上❕。
