（来源：上观新闻）
这就好比一个判卷🕝🕘老师，全程不看解🇪🇭题过程，只🔛🇨🇼盯着最后🇳🇿一行看，凭"感觉🇧🇮◼"打分🍌。--- Q&🌾🇩🇿A Q1：SPP🎞⚱O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，SPP🏊♀️🍢O在训👜🇪🇺练速度上比GR👨👧👧🇺🇲PO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SPPO只🇪🇪◾需生成🔗1个👋。
总参数1.6T🥿💹，激活49B⚜🧷。**六、不🎻只是纸👨🔧上谈兵🇵🇼👧：在经典🐲🤧游戏控制任务上的🇱🇹🔲验证** ⤴为了排除"成功🤦♂️🦍可能只是因为在📀®某个特定训👨🦳😮练框架下的系统优▪🧡化"这一疑虑🏟，研究团💍🇿🇦队把SP🇹🇿PO移植🏀到了五个经🌶🇳🇱典的强化✉学习控制任务上：🧜♂️🇲🇬精密版Car🚄🌷tPole😾（控制杆子不😄💊倒）、Mo🇭🇺📉untainCa🥺r（让小车🐌🇹🇰爬上山）、H🥯🔕opper（双足🥣🕛机器人🏷前进）、🇹🇿✒LunarLan😖der（🇻🇦🥺月球着陆🛸SEO网站推广器着陆）和🎭Pend🍢ulum（保持摆◼杆直立）🌘。
