（来源：上观新闻）
在LunarL📔🚡ander👳♀️上，SPPO保持⚫了稳定上升😧的学习曲👄😻线，而标准PPO🌈🌡则出现了🇰🇼📗明显的波动和🤞🔠倒退3️⃣。"实验专家🔡"负责运行代码、🦶观察结果🤦♂️👤，将实际产生的💓👂指标与论文⏲🛀中报告的🤥目标值进行对👩🌾🤣比，记录差🧻异和问题♿📵，并在遇🇹🇷😱到简单☝错误（如🍈⏬导入路径错误、🏹🦖配置文件格式问题♿👩🚀）时直接修复，而📡🧟♂️将需要深度🇧🇩代码改动的问题🇵🇹提交给指🇲🇺😼挥官，由指挥官🐢🇰🇲再次调度实现专家🐹ℹ处理📰📡。Q3：🧭🏃TRACE🇮🇲🔗和直接在目标场景❄🐂里做强化学习训练👨🎓😥有什么区别😣？ A：㊙直接在目标场景做👐🚫强化学👩🏭习（GRPO o🐁n Tar🧴龙少泛站get🛤👨🚀龙少泛站）训练🤹♂️🦌时，模型从任务整🇦🇨🇨🇦体成功或失败中🇸🇸学习，无法精确归🍨因到某🥁种具体🦅🤮能力，容易🍄🔑陷入不稳定或💹⌛过拟合🎅。
因为V🔩4把hea💌d dime💦🇩🇰nsio⤴n c设成了51🦝2（比V3.🏓2的1🚊28大得🇻🇪多），💬👯♂️如果直接把所🔕有head的🇬🇬⏫输出投影回d🚛维会很贵👩🔬，所以做了🦶🥚分组投影📮，把n_h🥺个head🚰📍分成g组，每🎈组先投影🚻🏺到一个中间👧🇨🇽维度d_g，最🍬后再合🌕并投影回d🦅。最终，PAND👨⚖️ASET 包含😿了超过52.💰8万对图像↕🔞，覆盖训练集（约📮48万对🇻🇮）、验证集（🇬🇺⛹️♀️约1.2万🔙🤫龙少泛站对）和测试🇱🇷集（约3.6🎀👿万对）🔭。这个解码器🐐🇾🇹由多层 😇Transf🇧🇲ormer（一种🇫🇲🇽🇰强大的注意🌝🐙力机制🕞➡网络）组☣成，让每🤢个区域🇲🇼🇨🇳的特征同时💫"看"到对方图🔟🐬片的全局特征，从👨🏭而学会"🕜我在另一🚛张图片中对应的🇰🇬🍦区域是什么样子🈴⬛的"😡🇧🇾。
