（来源：上观新闻）
实验数据显示🏸👨❤️👨，SP🤢❎PO大约在🛶🎶22小时内🧽就能达到约5🇩🇲8分的🔎👨🦱峰值水平，而GR🍹PO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🆕。在某些案例中，当💖失真图的🧶👎预测结果与图🧩🎏像的真实视觉信🦅息存在🌒🎡矛盾时，🇦🇴GPT-5 Mi💐🇹🇲ni 会主🇵🇫😆动纠正失真图的错🚇误判断——比如👘💮失真图🗜👨👧👧错误地把锚🧿🦟图某个区域标记为🐢"干净"，🤺而 GPT-🕺5 Mini 😧🐄通过观察图像本⌚🇫🇷身正确识别出🕖↗了"变暗"🚪🍁效果🤓。
预训练、后训🚼练与实时推📓🖐理在计算特性上🧚♀️🍼已显著分化：训练‼任务追求极致吞☀📍吐量与🏢规模扩展，推理⛺任务则对延迟和⌛并发更为敏感🐬🚃。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SPPO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框🚍架上，其🐇他一切保持不变，🇱🇾👐命名为"▪PPO + 🇵🇪BCE"❣👩💼。
