（来源：上观新闻）
与OpenCl▪aw不同的是，🏊♀️Herm👩🍳es多长了“🥖脑子”，🇫🇰🏏主打自☂👢我进化，这也是🍱🦚其迅速💏🇰🇷走红的🐨⤵主要原因🐮🇮🇶。它带来了👨🚀🌑两个直接🕳⤴后果：对于🚴答对的推理链，打😍分员在🌄接近结尾时才给🎉🛍出高分，🥂导致AI的🌯🥊整个推理👃🆗过程几乎收不🇸🇯到任何有效🎒🍠的激励信号；🇦🇷对于答错的🧠🐹推理链，打分员🚟在中间过程🥵🈶中也没🔚有给出足够的惩🕚罚，无🥝🐼法让AI知道哪里🦜➗出了问题🇻🇳。当然，🍙PANDA只专注💬于生成结构化💶🙅♂️的失真图，不具备🎽🎤大模型的通🐫🇪🇺用对话能力♟️。
原因不在于📨硬件✖↖。中国人民大学的研🍍☮究团队将这类💠任务称为🇫🇷"长周期机🇬🇶器学习💾👡研究工程"🈺。“实际上，🎺👙专家指🈳🉑导和常识非常🇳🇱有帮助🇸🇦🍺。论文里没🔩🌳有长篇大论地解释🛠🗑能给谷歌加速的软件CSA💹🏦和HC🖕A为什么要配对使📌用，但读完🤑🇨🇽整个arch🇰🇭🕓itectur🎦👨🔧e章节，能看👨🚀💇♂️出它们的分工📮。“如果你连‘🧨🇨🇴龙虾’都还没养💈明白，🛎👩🦰‘马’其实可以先🤴放一放📦。过去，训练一个7💴🆘0亿参数的推🦉理模型需要同时🏖加载一个同等大小🕞🍛的打分员🤧💓，内存压力极大👠能给谷歌加速的软件；而SPPO🌬允许用一个🛌❄小十倍🤔0️⃣的模型担任❔🚞价值预🏏测者，让更🌼多研究者🇦🇸🛸能够在有限的🌻🥥计算资源下开🍍展实验💦。
