（来源：上观新闻）
如果题🚅🏣目太简单，AI每🌀次都能答🍷对，就👨👦没有学🍩习空间；☘如果题目太🌱🍠难，AI次🌉🎡次都失败🎴，也无法获得正☦向反馈🔱。因为压缩注意力🏣🌨保证严格🇧🇼🥌因果性🐕，一个qu🇰🇳🐬ery🕢 token看⛅😀不到自己压缩块🏳️🌈🗞内其他t🅱oke🚶♀️n的信息🕴❔。
研究团队特别◽为失真图👀🕷设计了三条数学🔶🎓性质，以🇲🇱确保这种图👽🌥谱能够准确、一致🇲🇽🔣地描述图像对比关🚸系🛳🥭。GRPO的方👨👩👧👧🇱🇰式是：出题，你和🐵7个同学同时作答👨🦱，老师把你的成绩☄和大家平🇱🇰✖均成绩🦢做比较🤹♀️🚆，准确但费时🎃。
王潜坦承，当前🔲模型仍处于“实🔊🇧🇶习生”阶段，需要🏳️🌈远程协助，有时可👨👨👧👦能把拖🥪鞋放到厨房、擦🏷🇮🇷桌子擦到一半停😋👖下来“思考”🏷。CSA做两🐗👈件事，先🚞压缩，再💰👥稀疏选择🇺🇿。这个发🏃♀️现让研👩🦲🇧🇧究团队想到了一🖼个问题：既5️⃣🕥然框架切换才是关🔩📫键，我们能不能在🇸🇬🦸♀️保留这个框🇺🇾⚪架的同时，摆脱🇸🇦🐳多采样🥚的高昂代价？ *🦉🧼*三、S🇲🇹PPO：🍺🦃用一个👨✈️聪明的"预测员"🧘♀️🐆替代一批答案🥏🇨🇺** 基于🖋🇯🇲上述洞察🔯🈷，研究团队提🏕🚞出了他们的新方💾🏐法：SPPO（🇲🇴序列级近🇦🇿🏺端策略优化）🇱🇹🌓。
