（来源：上观新闻）
性能方面，S🇲🇫🤑PPO不仅没有🚟损失，🌥📃在1.5B和7B♊🇲🇭两种规模的模↪型上，😂SPPO的综🚚📴合平均分都略高💍🇧🇪于GRPO（💆👨🌾N=8）🏕🙎。研究团🛸🖥队用数学工具仔🇨🇳⏯细分析了GRP🧜♂️👁️🗨️O的运作机制后发🇹🇭现：GRPO之所👩🦱🦝以奏效，并🏆不是因💞为"多采🚏🇨🇳样"本😷👖身有什🇴🇲么神奇之处，而🔪是因为🍳它在不知🙍♂️🇪🇪不觉中把整⛷个推理任务😯从一种框🎳架切换到了🕑另一种框架👕。四、"📧合并技能"为🏄什么反而不如"按🇫🇷☁需切换"：一个🎢反直觉的发现🚱🇸🇨怎么最有效的引蜘蛛 在设🙋♂️计TRACE系统🐓🏟时，研究团队面对🏠👨👩👦👦了一个直觉上很自🇨🇱然的问题：既🦘然要训练多种ℹ能力，为什么♌♿不把它们💁♂️都整合进同一▶个模型，而要保留🎮多个独立的插件并🧛♀️在使用时🇳🇨⚜动态切换🏧🚙？ 这个问题的💠答案可以用一🧡🅾个厨师🇨🇮的比喻来理解🏊。
AI重构生产流🏧程 在今年的🍉👣论坛上😨，最直观的🤳⛷感受是：AI已🈷↕经成为剧😓🥁集生产的🏮“标准配置”🇪🇭👢。"赌博机"📁这个比⚓〽喻很直观：你👩🚒走进一家赌🧲🐋场，面前有🍟🎙一排老虎机（每台🧼🍾代表一道题🗺💽），你拉一次🉐摇臂（👨🌾™生成一个完整🙉🕵答案），😖🎑立刻得到一个结🥊果（正确或错误🉑🚋），然后你根🖱据这个结果决🖋🧣定下次对👒这台老虎机是否🇹🇴继续拉🆓👙。在后训练阶*️⃣段，V🇨🇴4这一代做🇨🇷了一次方法论🔁替换，传统🇹🇹的mixed 🔕RL阶段被🇵🇷On-Polic☸😦y Distilℹlati🇲🇿🐤on（OPD🚀🛌）完全替代🙏。这些图片🛀✌涵盖了室👩💼☂内外各种场景，💛🕝拍摄角度和光线🥶🇦🇮条件各异🍑。
