（来源：上观新闻）
现在De🚘epSe☪🐝ek也用上了🇺🇸。**说到底，这项🧐研究发现了什么🚖👬，又意味着什🏡💁么** 归🚋👩根结底，🤓这项研究🏸回答了一个在AI😪🈹训练领域长👨❤️💋👨期存在争议的问题📽🤶：大模🇪🇹♣型推理能力的📣训练，应该用🤴什么样的框架🙀📛来建模？🚖 研究团🦶🇸🇧队的答🕚🇯🇴案是：把整个推🍐理过程当成☮"一次性🇱🇸行动"来评🌴↘价，而不是"一🔔系列连🌋🍺续步骤"♌🥨。
如此一来，标🎠😁准PPO训练👔🥶出的AI，往往♎不仅没有进💘🕵步，甚至比训练👧👨👦前更差🇱🇻🌖。**二、🇲🇺😻一个关键发现：🌵GRPO其实在"🇸🇦偷偷做🍎别的事"**🤷♀️🧟♀️ 这篇论文最👩❤️💋👩🥌有趣的地方在于🦌，研究团队💏对GRPO为何有📩效做出了一个🥮全新的解读，而这🚳⛈个解读成为🕵了他们提出新🆎♈方法的理论🏬🍄基础🐗。
