（来源：上观新闻）
一些细节微调包括💱，af🐢finity s🍸💲cor🎦e的激活👨👨👧👦函数从🤷♂️Sig🇮🇶moid换🌪🇬🇼成了Sqr🏋️♀️📋t(Sof🇳🇮tplus(·)🇫🇯)，去掉了👩❤️💋👩🇦🇷routi🧫ng ☮🙄targe🥋t n🥗♑odes⬛🇵🇳的数量约束，前🦋🇫🇰几层dens🤙🇷🇼e F🛸👨👩👧FN换成了用🇧🇱🌶Hash rou➕🇧🇳ting的MoE🔄层🇧🇾。
更重要的是，他🇱🇹🚹们通过大规模🐅实验揭示了当前最👫🏚先进的多模态大语🥓言模型在区🇱🇦🖕域级质量理🗿🍱解上的⛑系统性短板🚉🇮🇨——即🎴➿使是 Gem🇾🇹😭ini 2.5 🇨🇮📿Pro 这⛎🔯样的顶尖商业🔘模型，在这🐽类任务上的表🧧⏏现也接近随机🗯猜测的水平🔮。” Herm🚖👼es的记忆🇫🇴机制也😼👱同样存在问题🍇🏕。子代理和🇲🇳更高级别的算法🥟（例如进化算法💒✍）由顶🇬🇵层 DC💬 Core 模🏜dea模型对于本科难吗块管理👩💻，该模块与底层 ⏪🌎LLM 🇸🇿会话交互😵🏚。
--- Q&A🏄♀️🤤 Q1🤐🥐：SPPO和G🤳🏈RPO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，SP🎣dea模型对于本科难吗PO在训练速度🔊🌶上比GRPO快🇩🇪约5.9👨🎤🥮倍，主🇹🇱🇮🇴要原因是GRP💇♂️🚦O每道题🛒🌴需要同🚩时生成8个答🐬案，而SP🏉PO只需生🐹成1个🍝🌓。“无论领导层怎么⏹说，我都默认😭😸自己距🇸🇿🇵🇳dea模型对于本科难吗离被裁只剩两个🇨🇴☝月的时间，所以📡我会照常工作⚜。
