（来源：上观新闻）
为了确认S⬜✴PPO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ℹ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"🚐。作者| 4️⃣🏴木落潇潇 编辑🦌| M🀄ia 202🍐6年4月15日清🤖🏀晨，第十♍👢三届中国网络视听🏖大会在成都开幕👨🦳👨🦰。
因为人的需求，♌从来不只👚是“把事情做完📱”🕷。除此之外，🕰像资质🌜备案、🏘🐑合规审核🏦🇦🇶、市场对接等都💳🕊需要时🇲🇬🇱🇧间与资金投入👥，这就更加凸显出📘OPC生态📉↘‘高速公路🏃’的价值🦶🥶。训练方🇸🇮式是一种🏌️♀️叫做GR⛺PO的😕🌙强化学习算法🤲💂♀️：AI🐭🐸在练习场🇼🇫景中一次生成多🛄🖕个不同🏣🇹🇻的答案，系🥢统根据每个答案🍪🌐的好坏🎫🔳给出分数⛱，然后通过对比组👨👧👧内分数的📇🕗高低来计算每个🌘答案应👪📐该被强化还是⛽⭐削弱🕟。
