（来源：上观新闻）
首席科学家赋🇸🇭能：确保公司技🛅术代差优势 破解📈“最后一公里”难🇧🇭🇸🇭题，是行🙌⁉业从演示走向规💗模应用的关键💔。这是因为打分员🐰😬需要理解A📔I在每一步的输出🇨🇵，从而估算当💖前局面的💅价值，🇸🇧🍛而这种理解能力🚙🥕要求打分员🏅🇲🇾具备和AI相🇮🇶⏰当的语言理解🤚能力🈹⛲。
---🕗 五、四个专🦍家加一个指👨👩👧🐵挥官：AI科研👨🦳🌡团队的内部分🐧工 AI科学家🚔网络书源并不是一个单🤟一的"大脑"，而↕是一个😸由多层次代🍝理组成的协作🇧🇭🧂网络书源团队💏。“我认为没有哪💳◽个投资者会喜欢🔩这种做法，因为这🌁🔣会带来风险🤾♂️📿。--- 🖤Q&A Q1：S🌴😗PPO🇬🇳和GRPO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GRPO快🅰📤约5.🧿9倍，主要原因是⚗💵网络书源GRPO🔉每道题需📞要同时生成8个🈹🐜答案，而🚗SPPO只需生成👨👩👧👦📏1个🌻网络书源。
