（来源：上观新闻）
它的思路是直接扔🏫⏏掉那个🚬不靠谱的打分🇰🇿员，改用一种💏😟"横向🎌比较"的方式：对🔖同一道题，让AI🇩🇪同时生成一批答⛄👩💼案（通常是🍴8个），然后以✂这批答案的平🌧🍘均得分作为基准，🧴那些比平均水🇵🇼🤘平好的答案⚓就得到奖励，差的🏳️🌈📣就受到惩罚🐺。
”咖啡香里，🎒焦虑与期🥂👼待交织🧂🕞。实验数据👨👩👧👧🚶♀️显示，SPPO🇦🇪大约在22🍛❔小时内就能达到🇵🇱约58📔🌬分的峰值水平，🌍而GRPO等方🌑法需要明显更长的🇲🇲时间才能达到可比😻📇水平，整体🛷速度差距♍约为5.9倍◼💬。在没有上🇦🇫🤺手用这功能🥋之前，我其🙏🐩实觉得它就是一🎪🇪🇺个 Agent 🚄🇦🇱Team 📋的翻版，🏊♀️但真正🉐放到群⛅聊的界面里，发🤸♀️🤜现还是有🇭🇰👨🔧非常多的🇧🇹🔺惊喜🍛。
在视频分析领域🐆，可以用类似的框🇰🇵架来描®述两段视频中🧶⚫人物动作的区域👯💆级差异，🧜♀️🔬用于视频动🇸🇻作对比任务🆒。目前的机器人💇♂️在任务失🗨败后，通常直接停🥪止，返回错误🇬🇬信息🚚😱。现在我🤶想的是把团队所🇯🇴有人都拉进一个群🐑🔮，每个人的虾也⚽🇮🇲都进来💳。在电影《甜蜜蜜🇨🇻🇬🇧》中，张🍏曼玉贡献了封神👲🇧🇲一幕🧼。
