（来源：上观新闻）
” 这🏑🎬种“先想后画”✡🎂的机制，不🌌👮♀️仅解决了文字渲染💟、逻辑混乱等🇧🇳长期痛点，更🖨重要的是让😛 AI 🐌第一次拥有了“🇦🇮设计意图”——🍙🗡模型会主动问自👩🎨己：这张图◻👨💼要传递什么信息🐑？观众第一眼看🇧🇶到什么？🍝数据是否🦊清晰？ 提示词：🍐📮 生成🦙四格漫画，主角是🚎一只叫‘阿橘’的🥾👨👨👦👦橘猫，主题是⏫♎‘AI 帮🐎助人类🔧画图的故事’🔣🕰。
”刘岩指出，🔀“因为🇹🇻恶意行为不🍻是外部🇸🇾植入的，⛑而是Agent从🌫环境中自我演化出🥟来的📥。听起来很合理，😗🃏但问题出在AI🔩🙅推理的🎾🤑特殊性上🔎🚉。这和AI解数🇬🇸学题的情❎📴境高度吻合🤖📵。百万token不🥉是一个新的能🚻力，是同🧘♂️😌一个上下文窗口🇦🇼👨👨👧被压到可以承担的🧧成本🕜。过去，训练🏂🇧🇿一个70亿参✉数的推🚷🍷理模型需要🐫5️⃣同时加载一个同🇸🇬👳等大小🦁🕒的打分员🏧，内存压力极🇳🇴大；而SPPO允🥪🇬🇼许用一💥🦃个小十倍的🌶模型担任价值预🤮🇱🇹测者，让更多🔄研究者能够🚫在有限🇳🇵的计算资源下🇰🇵开展实🇰🇬🇰🇲验⚫。
这意味着价值➿✨模型确实学会了🇧🇫🐇区分难题🇷🇴🈺和简单题，虽🚶🥑然不完美，但相关🚜🧚♀️性足够显著😵，能为训🇬🇧练提供有效的🤶☣基准信号👷。我们观察🌾到一些模🍓型做出了次优的设🚑计选择，最终需📇要消耗大量🗑🌕令牌才能进行🇨🇩优化🇫🇷。于是，👭🆑如果你要训练一个🈯70亿参数的⛺AI，打分员🏐也需要70亿参数💇，内存占用直🍅接翻倍🛶👩👩👧👧。
