（来源：上观新闻）
但在SPPO的框🍦🇬🇲架中，价值模◀型的任务🌻极度简化——它🇦🇽🗓只需要看一道🎡题，输出一💛个数字，💝告诉你这道题的🚨🇲🇰预估难度🇳🇪。假设一种📍症状在发烧🤘的患者和健🇬🇧康人中出🚈现概率都是5🐰0%，那么👃这种症状对🇬🇱💉于诊断发烧几✴🐿乎没有价值🧳。此前的迭🔷🇷🇴代代理系统尽管比🚠Basic➗🇬🇫Agen👨👦🍇t多了更多交互🤺🥅轮次，却仍然远不🌵如AI科学家（甚🏍至不如去🇿🇦掉文件通道的♨蜘蛛AI科学🔫家），进🇮🇳🏴一步印证了💟🎨"更多🍀⭐蜘蛛交互"和"在积累🎵⛷状态上⏱📀的持续推进👶"是两件完全不🍦同的事💃。
这组数据背🏸🆗后的逻辑是：👨👦当训练场🀄景与目标场景🏬😘完全一致🙊（即直😥🇦🇲接在目标场景上🇮🇷👊做GRP🗼O）时，模型📧很容易陷入🇦🇴🇱🇰蜘蛛过拟合或训练不🔔稳定的状态🇮🇹——它学📴到的可能是特定题🏯🥫目的答案，🐼🦂而非通🔈用的能力；而T🐎😀RACE的练习🛁场景经过专门👩👩👦👦设计，每道题🇨🇺都由随机📙⏯种子程序🇳🇬👩👩👧👦生成，变化无穷🎍🦡，AI练的是"📵💏能力本身🇪🇪"而非"🇱🇸特定题目👨🎨💩"，因此能🥒🙋♂️够随着💯👾训练轮次的增🇦🇮加持续稳🚍🌐步提升🎴。
标准PPO🤶从基础模型的🧵🥴52.49🎤🥨分提升到56🗂🇦🇪.44分，进步明🔅显但并不突出💏♠。在盖尔🧮发布的内部🧿🇬🇹帖子下🍀，一个被大量点🦷赞的评论是🦹♂️👨🎨一张大象😀📩的图片🔭🏨，暗指领导层终于🔑🕴“正视了房间🇲🇶🇨🇵里的大象”🕝💊(即长期被回避但🎑🇸🇦显而易👨👨👧👦见的问题)🇨🇿。谷歌自研AI🅾（人工智能🇧🇧）芯片如😺🏌️♀️期上新😆。此外，系统🕒😻还设有一个"🇬🇲🕗通用助手接口"，🤳用于处🌋⛩理探索、🐽规划或一次性辅📡🇬🇮助任务🏴☠️🔰，这些任🇳🇵务不需要专😽门的专家流程🌟🎍，但也值得有一🏓个专门的代理去🧀🇸🇧完成🤮。
