（来源：上观新闻）
进步体现在👒🦞，Herm🔷🌭es试图🇲🇷重构Agent的🌲⚱学习方🦸♀️式▶。其实如果它🧛♂️能够上🚕传 ZI🔃P 包，那我觉🦉🤠得就我们公🛏⏲司所有的龙🌼虾的 😁Skill 的流🇴🇲🕓转都可以😈😵放到这2️⃣🇲🇹了，根本不需📨要再上传到一🇲🇴搜索引擎磁力蜘蛛个私有的 Ski😘ll Hub 当👨👨👧👧🇵🇪中🥊。第二种方法叫多能🤯力GRPO，在🇦🇩所有能力的练习🧘♀️⛹️♀️场景里同时训🌿练一个统一插件🏋️♀️💋，达到40👩🌾.9%，略高于单🇮🇹📟一插件但远🌔🚈低于TRACE的🚸🏌️♀️47.0%🍩。
各副总裁🏹🇱🇧将分享团队↪👠的具体安排🇸🇿⌛。为了确认SP😘PO的优势确实来👨🌾自其核心设🇹🇨🏭计思想而非其他🤨因素，研究团队👖🎇还做了一个对照🇮🇶实验：💦把SPPO用🇵🇳来训练价值模型🍘的方式（二🎼🌛元交叉熵损失）直👍接嫁接到标🇲🇭准PPO🍠🚙框架上，其他🧖♂️👨👧一切保👩☃持不变，命名🇪🇸为"PPO 🚌+ BCE"🤺。
