（来源：上观新闻）
研究人员通♋🐤常有两种选🇫🇷择：要🇦🇽么给A👷I看大量🕓🐷来自各种🇪🇹场景的训练数据，🔴🥡希望它能从中"悟💶🍯"出各种技能；要🐕😊么直接在目标场🇫🇴景里训练A🦏👩⚖️I，让它从最👕终的成🔨功或失败中🗼学习🦗。他没有🧜♂️🐯去找银📦🎷行，而是求🌃🍥助于他创立并担🚩任CEO的火箭📱🇸🇴公司：Sp👚aceX👌🗑。sparse a🇺🇸🌍tte☸ntion不是📆从头打开，前1♉🇦🇺T tok🏭📼en用dens🐎🔲e attent💊➖ion😸🇧🇸做warmup，🌰🇨🇾扩到64⤴K时才int😙⬇rodu🇵🇱🌨ce s🖼parsity⚱🙍♂️。
这就是王潜所说💕的“模仿而非理解🗺”的天花板🏬🎑。所以大家🇱🇮🧛♂️意识到，多👨🍳 Ag🎡🥦ent 不⛺是要不要的问题，🔆是早晚的🇧🇷问题🥪🕒。现实中，一🇽🇰🚘篇机器学习🇬🇷论文往往不是一📿份完整的操🔣作手册🚆。---🥬🚹 Q&A Q1🎣⏭：SPPO和😙🏏GRP🤩O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G🇸🇰🧞♀️RPO快约5🍄🇺🇳.9倍，主要原🇽🇰📀因是GRPO每道🌡🎢题需要同时🇰🇲🇨🇭生成8个答案，而🔤SPP🎞🤾♂️O只需生成1🔮个🧬。
