（来源：上观新闻）
---🛢 Q&A Q💯1：SP🐢PO和GRP🌊⭐O相比，训练速度🏊快多少，性能有没🛵🚙有损失？ A：根⛹️♀️据论文🔅实验数据，S🕜🗾PPO在训练速🔨🧼度上比G🌩🏳RPO快约🍾🏊5.9倍，⛹主要原🛳🛣因是GRPO每道🇧🇷题需要🧻同时生成8🌉个答案，而SPP👩🚀O只需生成1个✊。例如，该智能体🇬🇷🔼在时序上☸出现了错误，导👌致数据在 CP⛰U 上的🐼传输与时🤬钟周期不符🍟。流程分两步🤕。据国际能🐆😔源署数据，🤫🏵韩国约45%的石🔪脑油依赖进口🙋，其中约🎷77%来自中东🗾🌎。而更重要的是，W🇹🇳ALL-B🙊🏑的“与世🇨🇾界交互”🇬🇱👵能力，开启🍩🌥了一个自我强化🇮🇲🗓的数据🎙飞轮： 进🧓入真实🇲🇫😮家庭 →🇲🇲💇 产生🇸🇱真实数据 →🇫🇰 模型自🇯🇲🕶我进化 → 🔧🍰能力更强 → 🍵🇲🇹进入更多家🦖💃庭 这个📭飞轮一旦启动🇪🇪🦌，数据🦕🇩🇿本身就成为了模型🍰🇲🇵进化的燃料🇦🇸。
在20个🇲🇼不同的论🐣🏎文复现任务😖🇺🇦中，几乎每一📅📑个任务上🚅AI科⏰🇧🇱学家都有明显🦇🗾提升，其中最显👨🔧著的一个任务（🗣🇬🇾pin🌄n）在GLM🌹👩🦰-5下提升了📀⏬32.99分👩💼🌀。它会在与用户对话🦗过程中高频触🥗发回顾机制，对上🗳➡下文进行整理⌚，并分🦷析提炼出值🌐⛸得被写⌛入长期记忆的🏡信息🦵✍。V4-Pro🧟♀️😅和V4-👩🎨Fla🖖sh，1.6🥡🚪万亿参数/284👨🎨😈0亿参🍝数，上下文都是1💊M♏💈。研究团队实验验🐇♓证了这一点，并📱🕯尝试了四种将多种💃能力合并进单🗝一模型的方🇺🇸▪法👈。这就像从"这道😝菜整体还🔀行"变成了"🐹这道菜的汤📗▫底很好，但🥌🇪🇺肉有点👨✈️老，配菜☁火候不够"💭🇲🇸的专业点🇳🇮🧵评🚽🛢。
