（来源：上观新闻）
这个数📃🎽字，就是🗜🚑"题目难度的🥂预估"⏳♋。而GRPO通过把♟️💵整个答案当成一个🇺🇦整体来评分🧧，实际上🅿🗣是把解题🇩🇪🚊任务变😪📊成了一个🌽完全不同🇲🇫的模型—🐗—技术🇫🇴🇸🇾上叫做"序列级情👩👩👧👦🥢境赌博机"（S🏨equence-🌁Level C⛑ontextu🖖al Ba👙ndit）🇾🇪。说白了就是与其和🗜🇪🇹机器早已做🈁得很好的工厂🛣任务较劲，🏷🕓不如把😵精力放到那些😵🔬过去一直没人照顾📟🈂到的生活缝😧🇬🇼隙里🕒✖。
研究团队使用了一🔠个名为 DI🔲🆘NOv2 的预训🗻✝练视觉模型（🐒🔃可以把它理解为🔃🉐一个经过大量💔图片训练🐹的"看图专家"📇🕢），将输入🌫的两张图片分别转🍿💳换为包含丰🐕♋富视觉🏋️♀️信息的↪特征矩🧕🍶阵🔎🇸🇬。过去很多人认🔡💂♀️为，只要语言模🌕🧂型足够🚎🗓强大，给🍃♣它更多时间🕛🇱🇦和更多📼"思考"机会，它🚟就能自然而🇨🇺然地完成👳🌲更复杂的任🥴务♣🎮。
