（来源：上观新闻）
--- Q🛤🇲🇫&A Q1：S🇺🇦PPO和G☂RPO相比🍜🍸geo优化，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GR🇬🇸PO快🍎😂约5.9倍，®主要原因是GR✒PO每道题需㊙要同时生成8个🦴答案，而SP🛴🚼PO只需生成1🇧🇳🧧个🇪🇷☯。
这个发现背📈后有一👨⚖️🏃个深层原因：💚当多种能🇷🇺🧼力同时塞进🇾🇹一个模型🕙🇲🇨时，这些🇵🇫🕤能力之间会产生干🇦🇺扰，就像同👆时学习多门语言🤸♀️有时会让各自🥊☄都变得不流利🏄。”刘岩总结👳。用不好🕢的人给的反👩⚕️5️⃣馈没有价值🏘🤹♂️，如果他们直💮接用Hermes🇳🇵，会让这匹🇨🇼🚸马‘越学越差’😜。
