（来源：上观新闻）
话音刚落，风🧂向急转直下🇰🇾。社区就像一条高速👘公路，🇲🇿把每个创业者的👨🚀‘特产'输💢🐗送出去，才能⚡真正实🏜现价值转🍿🇦🇲化🇩🇴🔶。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P🛀PO框🏑架上，其👨🚀🦌他一切保持不变🇨🇳，命名🥰为"PP🍹⬛O + BC🇮🇴E"🔠🐳。
这些操作☕让马斯克本人及旗🐍下其他企业获益✌🍲程度之高，即便🔅🤜在信息🆗🧶不透明的未上市🕷🌪公司世界里也属罕🎰见🗄。第二个，单👚一 Agent 👨🎤🙈会有自♌己的思考盲区🐼。研究人㊙员通常有两种选💟择：要么给🇨🇺AI看大量来自各🕰种场景的训练🕤数据，希望它能🤷♀️🏨从中"🇯🇵悟"出各种技能🇹🇰；要么直接在目标💺🤐场景里训练⛄AI，让🍟🤫它从最终的成功或🇭🇺失败中学习😆。
