（来源：上观新闻）
“我会跟A🥊I共创，把我作👨💼🔬为人类的认🇲🇸知、经验和💑💒对事情的预判告🉑💲诉AI👲🤒，让它做完🇸🇹善和补🏕充；对自己🐼不熟悉的领域🚃，交给A👿I去帮我设计和🇰🇲🇵🇬分析🆔。而Hermes的☎🌫变化，在于把这一📧整套机♉🇧🇭制收拢向自己💂。核心是🇦🇫😈把残差流从一维变☎泛目录教程成n_hc条并行😌⬆通道，每层之间通🖇过一个矩⌚阵B来混合🇲🇵。
这些特👨👨👧👦🍽性是 DC 发现⏲的，并🍝🥑未包含在⬆任何输🛳入指令中（参见🈴第 3 🧝♀️👩👩👧段）🇧🇫。当AI作答完毕🍸，得到"对🦎🌵（1分）"🚦👖或"错（0分）"🕧⭕的结果后🖕⭕，SPPO用一🚐个极简的公🦵式计算优势📝信号：实际结果减⏏1️⃣去预估概率🍓🇧🇧。这种数据像“糖🕢水”，好喝但🖕没营养🇿🇦🚀。第三步是"针对🚯🐊性强化训练"🕚⌚。GRPO的成功，🥊🌯本质上是这🇸🇭🇨🇿种框架👩🎤🚴♀️切换的成功🇾🇹，而非多采样的必🔔🏞然功劳🤜。
