（来源：上观新闻）
CSA和HC🧢A在core a📄🇩🇰tten🇲🇹🇲🇳tio🐁🇸🇿n之前，🇲🇽都对query🧯和KV🇧🇳 entri🇦🇽es做一🌳次RMS▶Norm，🇰🇮防止atte🇦🇪🇺🇲nti👨🦰🔖on log🌾🐒its爆炸🇸🇸。太火了🕞，就是说🔽。比如 📞Co-Instr🌺uct、Q-In⛴🚻struct、🧯📝Dep🇻🇺🗡ict📔QA 😊等，它们能🔮够告诉🦜🕋你"这张🗽💨图片整体有点模❕糊"或者"这张比🐝那张清晰"🛤🇫🇷。这印证了🎄🔐"尾部效应🕸"的危害🛎🍱——错误的训练信🍒号不仅没🔹🦌有帮助💗🇱🇰，反而起到了负👩🏭面作用🦘。
--- Q&A 🇽🇰⚽Q1：S💅🍠PPO和GR🥖👨👨👦PO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GRPO🇨🇲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🎚✍。
杨紫、📑肖战、龚俊、鞠🏊♀️🦸♀️婧祎和🇵🇸张若昀等💮⚓有名有姓的艺😏人，都⛹️♀️👢曾惨遭AI短剧盗🏨🤹♀️脸，集体喊话要求🚲AI换脸合📊😳成剧下架🚰🌿。随后，🔘一个负👒🎒责分析💌的AI（可以🧳🍙理解为辅导老👩师）仔细阅读这🎼些记录，对🍬🎼比成功案🇲🇵👩👧👦例和失🏄🍀败案例😛，寻找规⛰律性的差异😽。**二、🛵一个关💀键发现：GRPO🎲♈其实在"偷偷🇰🇵做别的事"🐪** 💹🇳🇫这篇论文最有趣😙的地方在于🛁，研究团队对G🍂RPO为何有效做🙈出了一个🏐🈲全新的解读，ℹ而这个解读成为🏥了他们📳⌨提出新方法🚣的理论基👌础📗。
