（来源：上观新闻）
今年1月，东方👤🇸🇮甄选还宣布将在✅北京开业首家线🇦🇲下体验店🍖。比不上 Opu🇦🇩s 4.7，但🧼😧我觉得是目😸前开源阵营的 T🛩op1👨❤️👨。推理过📹⚛程本身是AI内部🦝的思考流，🏄♀️🛬而外部可🎄观测的、有🇪🇹意义的评价对👓象是完整的🇦🇨🇹🇱推理结果🕟🦎，两者🇸🇭之间不需要强行☀🖤建立逐🇦🇹🎓步对应关系🕙🇻🇨如何建立自己的网站。
第四种方💒法叫在线蒸🎄🤞馏，为每种能力🧴🌻训练一⛑个"老师🚊模型"🇻🇺，再训练一个👩💼统一的"学🕗🇸🇹生模型"去模仿🤾♂️🌒老师，结🧼果也只有🖨🏴37.8%👨👧🈷。为了确认🐳SPPO的优势👨❤️👨🇵🇳确实来自➖其核心设计🔞思想而非🖕🏃♀️其他因素，研究✍🤒团队还做🇮🇹🥼了一个🖲对照实验🥎：把S🤧PPO👩👩👦用来训练价值模🇭🇺🇹🇫型的方式（二🇦🇮🚤元交叉熵损🚝🇷🇴失）直接嫁接😡到标准P🛷🚔PO框架上，其🥳🇪🇹他一切保持不🇻🇨🇨🇳变，命名为"☺⭐PPO + 🅾BCE🛑🇬🇬"🥺。
