（来源：上观新闻）
--- Q🦑💇&A Q1📞🅾：SPPO🎂🐾和GRPO相比⚛👩👩👦👦，训练速👀🏡度快多少🔋🚲，性能有没有📮损失？ 🛹A：根据论文实🖼验数据，SPPO🎫🈚在训练速⛓📰度上比GRPO快🧷约5.9倍，主要🎱🚒原因是GR👨🍳PO每道👨❤️💋👨题需要同♉时生成8个答案，🇨🇴而SPPO🇨🇵🧧只需生成1个🇲🇵👾。与OpenC💵📳law的静🐋🐤态调用不同🍤，Her🍔🇬🇸mes在运行过程🎶⚱中可以自动生成、🔺优化、存储新的👩❤️💋👩技能代码，并通过📇💂“技能蒸馏”🏂🏪机制将任务经😢验沉淀为可复🦕用的技能文🤾♀️🍰件👩🍳。
与之相比，G🖲EPA（一种🚵通过优化提示词👩🏫来植入🥅能力描🚔述的方法）在超过🇬🇹🇧🇹4种能力🏭🙎♂️之后就陷入了停滞🚷⚔，无论🈷🏨再描述⚽多少种能力，效🇮🇹🚥果不再🔽🚳提升🌉。原因显而易👹🍏见：这需👨🏭🥌要推翻至少🏣😭一部分先👋🔷前的设计👝成果，👤并且存在🇨🇬引入更多缺陷的风😳🙆最新泛目录站群程序险🔲👮♀️。stud👩👩👧ent自己ro🌹llout，最小🗡🇰🇿化reve💐rse 🇵🇭🌶KL向对应领域🇨🇮的expe🇸🇭rt对齐🈶🇬🇮。
Ravi Kri🍕shna表示，公🇲🇱司希望打造🇮🇹🔄一个人工智🧽🦃能代理🚭👨👩👧此前未能实现的💪🔰全新设计👛🐔。那结果会怎🏴☠️👨🦱样呢🇧🇿。除了明🆘🥏显的AI塑👨🏭🕥料质感外，↗📃还有网友还发现⚽🦂，电影画面☂🤚闪现漫威🕴🥌logo，连🗜👨🦱后期抠图都懒得做🐔，制作之💄🚒潦草，🕧👞态度之敷🇬🇳衍，既在情理之外🚊🥠，又在意料🗄之中🥞🎽。
