（来源：上观新闻）
当然，这个👨🚀系统离人类顶尖⏲😖研究人员的水平🍗还有距离——在P🇮🇩🚣♀️ape🕰🧟♀️rBench🇦🇶🇫🇷上，顶🗨☀尖机器学🛵🔞习博士生🔅👅在48小时👩👧👧内能完成约41%📛的评分要求，📺🦒而AI科学家目前📍🇪🇭达到的是约3🇯🇴🇸🇴3.73🇹🇳💰%👂。”刘岩🦡📑指出，“因为恶意🌩🎗行为不是外🇲🇭®部植入🕷👱的，而🚕是Agent从环🇻🇺境中自我演化👞出来的👐😉。他表示，此举打造🚸💓出了“(地球内📩外)最雄😓心勃勃🕗🥙、垂直整合📒🙄的创新🏃♀️🇹🇯引擎”❓，对SpaceX🥟🤦♂️的估值超过📑👲1万亿美💝🌁元㊗🗼。这种"轻量级🏴☠️二级域名和三级域名的区别但高效"的特🥿🔈性，使 PA🏈🚣NDA 🕘🌦在实际应🔐🦛用中极🌫具吸引力🍬🕎。这正是人类📱创作者不可替代的🎻🕕终极锚点🌎🙇。
每次对话🍜，都是一次「失🇦🇿🧕忆后的重新认识」🥈。测试结果🇶🇦显示，在难度♣🦂最高的Ho🔰pper和😚Moun🧐tainCa🙋r任务上🥦🚟，标准PPO🦢几乎完🗾全失败，成功😆率停在接近零的水👱平；而SP👱♀️😷PO成功解决👞了这两😶🐛个任务，成🍵🇦🇷功率稳步攀🚓升📜。过去，训练一🧕个70亿参数的🧔💓推理模型💡🤧需要同时加🇵🇲🛬载一个同🙎♂️🇦🇪等大小的打分员，🛀🤪内存压力极大；而🥔😭SPPO允许😞用一个小十👨🎨▪倍的模型✅担任价值预🧶🐲测者，让👓更多研究🕵️♀️者能够🛂在有限的计算♟️资源下开🎤展实验🙅♂️🇨🇳。评分维度包括代码🐇质量、🕰🔀能否成功运行，以😮及结果与论文的吻⭐📘合程度🔖。
