（来源：上观新闻）
实验数据显示，S👩🎤👩🔧SCM系统PPO大约在22💬🌳小时内就能🚱🐡达到约58分的峰🚬值水平，而🇬🇬GRPO等🌧🏄♀️方法需🔶要明显更长的时间👨🍳才能达到可🛥比水平，整体速度☃🇧🇼差距约为5.👾9倍🗓。根据《纽约时🏴报》基于公🥝💐司文件、诉讼材料🏨🤓、内部🏒🇮🇨资料以及对知情人🚫🛢士采访所🦕做的调查，这只🌏是过去二十年来马🕯🤩斯克将Spa🔡ceX当作某🌇🇱🇻种“提款机”🇾🇹SCM系统使用的方🥎式之一🖥☣。
对比之下，🏇🐋TRACE的路💪由策略🇮🇹🇦🇺只需要在使用时动💤💄态选择对应插🔈🏵件，完☢SCM系统全不需要任⚾👌何额外的合并训👩👧👦练，却达到了最👩⚖️👰高的47.😳🍞0%🔌。且这一切，🔅📅不依赖人插手🎱。换句话说，它📰试图解决记什么，👧但还没有稳定解决🙇怎么记得更🚚好📗🎐。
在Lunar📑Lander上，🃏🍟SPPO保🔯持了稳👩🎨定上升的🏠🚸学习曲线🥂，而标准🇨🇭💦PPO则出➡☮现了明显👨💼🚇的波动和倒🚷退🌩。3. 与📔世界交🔤🦈互并自我进🧙♀️化 这是🗡👷WUM架构🇧🇶🇦🇬与所有VLA🐦🔓模型最根🐕🇬🇹本的区别🥅。
