（来源：上观新闻）
另一位🇧🇿员工告诉↩《商业内幕》🏣，由于尚不🤘清楚哪些团队会🛶👵受裁员影响，这一🌆官宣反而让他🐡们在接下👊🚽来一个月里压力倍♟️增，必须拿出业🇹🇰🇽🇰绩🛢。V4的🧗♂️🇨🇾做法叫mH🧜♀️C，把矩阵🛐B约束到「双👩👦🌂随机矩阵」的流形🎖🕥上（数学上叫🎯👨🎨Birkhof🥰f pol👨👨👦👦ytope），🍶行和列都🤴🤱归一化🏛为1👈⛔。研究团队🇫🇯通过实☹验直接观察了这🦷个"打分员🇬🇩"的行为🧡®，结果令人震惊🇧🇸。6. 未来展🈷望 本节阐述了作👨🍳者关于如何扩展 🇳🇮🥳DC 等系统以应🍎对商业复杂设计🕚😌以及如🌶🦶何构建设计📽团队以☺充分利用这些新😟⛴功能的观🍖点🆓。
而WALL🌒-B的行为模式完🎤全不同🇦🇮：它会调整策略🚚再次尝试，如果成🐦🥕功，就将这次🥚成功的经验直〰🇨🇮接更新⛅到模型参数中🇵🇳。进了V4🧬。没有模块边界🏵，没有数据搬运，🕹⛵没有信息损🕒耗🦢。Clau🕷🏂de Code 👩👩👦👦前阵子🥫推的 Agen✳⏫t T🏁👩🎤eams 也是🇸🇳🛏类似的思♦😾路🕦。它还必🥌⏪须谨慎管理有👩⚖️限的上下文🦘👨👨👧👦窗口的使🇯🇴用，不仅💛🤷♀️要避免溢出，🏌️♀️🧵还要最大限度地🎨🤫提高质量🛥🏉。为了确🈵🇩🇰认SPPO的优势🔲🔯确实来自其✋核心设计思想而非🇩🇰其他因素，研究团🆗🌤队还做了一🇮🇲个对照实验：把S🦂🔡PPO用来训练价👶值模型的方式（二😹元交叉🥁🗿熵损失）直接⛵嫁接到标😃准PPO▫seo是什么职业岗位框架上，🐂🤮其他一切🧞♀️保持不变，命🏊🥰名为"PPO🍼 + 🕸👥BCE"🍣。
