（来源：上观新闻）
这种数据像“牛奶🔗🔓”，有营养💴🇸🇽，但难🇦🇹🈴采集🇨🇦🚣。这款名为V🥔🌪erCor👨👨👧👦💧e的CP♈U主频高达1.🇺🇦🦏5GH❌z，性能堪🇸🇾比2011🐙年左右的笔记本🧯电脑C🍎PU🍤。研究人员发现，让🙍🕢AI学会解数💉🇺🇳学题、做逻辑🔚🇲🇭推理，需要用到一🦚😻种叫做"强化学💢👲习"的训练方法🔗——本质上就😠🤜是让AI不断⬜🇬🇪尝试、不断根🔆⛔据反馈调整🦞🍛。他们随机🌛抽取了🇰🇿200道题目⛑，让A🏯I多次尝试每🍎🥠道题，用实际答🎾🛳对率作为"真实难👔🏂度"的衡量标准，📏再与价值模型的预🎬🦞测值做对比🍧🐁。
正如《麻省理🈴工科技评🥵🇲🇼论》评价的🕞那样：“当其他模🍓型还在🐳📯比拼谁🇮🇷👨🎓的画风🌺🏔更惊艳🏡🔮时，GPT-Im⬆age-2🇸🇪💮 已经默默🇰🇿读懂了设计简报📕。中灿也表👲示，无😘法适应新入驻🧧❗的管理层🏞🇾🇹。测试结果显🧻示，在难度最高的〽Hop🧂per和Moun⚜tainC💽🦌ar任务上，标准🌵PPO🤠几乎完🇹🇰⛎全失败，成功率📏👩🎓停在接近零💈的水平🇧🇦；而SPPO成🐧🏠功解决了这🧽两个任💀务，成功率稳步🇦🇨😫攀升🧞♀️。
