（来源：上观新闻）
尤其值得关🙋♂️🚋注的是一个有🕑趣的对比：◀〽仅仅针对单一能力🐯📕训练一个插件，就🇨🇼🕤能达到40.3🇦🇲%的通过率，已经🈯🇰🇷超过了A🧳WM和🐭🙏ADP等使用大💄🥩量通用训练数🥴据的方法🍾🥀。性能方面，🤲🎶SPPO不仅没有🔁损失，在1.5🦟✡B和7👩✈️B两种规模的👬模型上，S🚶♀️🌯PPO的综合🧠平均分都略高于G💨🗡RPO（N=⛸8）🦊⚱。Simpl🇧🇿🏗eQA-Ve☄🚳rif🧽ied上V4-P🧗♂️🔽ro-Max🍓拿到57.9📳，K2🌛🍮.6是36.9🇭🇷🥗，GLM-5.🇵🇹1是38.1🈂🍈。
面对这一🦓🦴困境，另一👨🍳个流行方案应😜运而生，叫🚗🧂做GRP🇦🇫🥞O（群组🥃🐒相对策略优化👨👩👦👦🌍）🌌✂。” 以 “📕生命之书”为例☑，姚双告诉记🐧💼者：“😚🇯🇪很多公司拿用户数😽🙅♂️据做训练，⛲让用户的数据资🍮产成为大模型公📀司的资源📕。--- 八、这项☮研究告诉我🇲🇼们什么？ 归🦶🚏根结底，🌎🙅♂️AI科学🚽家这个⛲系统传递的最核🐐👨🚀心信息，👩⚖️是对"🐍AI如何做长周期📁💆♂️任务"这😿🤦♂️一问题的一😤次重新定性🇲🇲。
