（来源：上观新闻）
GRPO在✖使用8个样🇬🇷🌚本的情况下，综合🏣平均分提升🏌至47.🌊08😷。中外热搜🐋⌛上了一整圈，科💦🇨🇫技媒体的版面今天🔃😽都让给了🇸🇽它，Open👨🔧超凡蜘蛛二免谷歌AI也🤢成了它的陪👰衬🇭🇲。
这个难👱度设定是为了配合🧫💌后续的强化🙅学习训练🌭机制👨👦👦🧽。DC 必须执行😃与构建设计相同👩👦👦🎃的操作，并且必须🦀在维护先前工作所📃💻需的上下文🇸🇱🗂和记忆的情况下完👩⚖️🕳成这些操作🤬。
这意味着，SPP🧰O的成功不是因😧🍬为某个特定的🧳数学技巧，而是因💵🇳🇮为"把整个推🖊理链当👸作一个整体来🇹🇰🙆评价"这个根本🍰👬性的框架转🔣✝变😃🐯。研究人员🔍指出，预估一道🌇题的难度，根本💄不需要具备解🎃题能力，🎫🎾就好比一个经验👩👦👦丰富的老师一🇧🇴🎖眼就能🏌判断某道💥👩👧题"很多学🧚♂️生会错🇧🇦"，即使他💹自己不🤰👨👨👦亲自去做这道题🈹。
