（来源：上观新闻）
回头看，人🎪🇬🇲类每一次和🎸技术的关系💖变化，其😦实都伴随着🦞自我理解的☠🇻🇬更新♑。过去，训👨👧🔋练一个70亿参数🇰🇬👦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🇫🇰🇧🇧；而SPPO🤦♀️允许用一个小十👨🎓倍的模型担任🇰🇮🍹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🍍🎼。
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GL🕶M-5下提升了3🔽〽2.99分🇸🇨🚩。但在SP🔭PO的框架❇🇺🇿中，价值模型的🤽♂️☃任务极度简化——🇹🇱🌤它只需要看👨🚀📅一道题，输出一🇸🇸个数字，告诉你这🙅♂️道题的预估🇱🇦🎠难度🔥⏸。
PANDA 模💇型的参数量仅⏱为0.028🏉🌖亿，处理一对🔻🚂包含14个区🏠域的图片对只需❌要3.53🇳🇬💽秒，而相比之下🚰，同类开源🎏🍇多模态模型🥁（如 Q-Ins🇨🇳igh🍳t）处理✍同样的任务需🛂要274秒，参数🇰🇾🦶量更是高达70🏔㊗亿🏣🔙。
