（来源：上观新闻）
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S🤦♂️PPO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🏤什么是泛目录站群架上，🔧😃其他一切保🖍🆕持不变，命名为"🥰PPO + B⛩CE"🌀🍇。
这种"先结🖇构化、♍📱再语言化"的路🍱径，可能比直接让🔹语言模型🕳输出区域级分析更🐩🧡加可靠和可控🏤。第一个测试场🏴景叫τ?-🧽🏵Bench，模拟➰的是真实🌐的客户服务工作🙎流程，分🌼为航空公司客服和🏜零售客服两个子领✌域，合计1👩❤️💋👩64个任务🇸🇯🕦。
较2018年👩🔧🌛6月19🌃日股价4🇩🇯🦴6.23美元、🔭市值超🇲🇸310亿🕓美元的最👮♀️高点，🎏八年间市值🧁蒸发97%💭，折合人民币超2🚱🧨180☔亿元🍯🦈。通过自注意力机👵制，解码✅器先让图片🦖内部的特🇧🇻😓征相互交流；📆通过交叉注意力🔃机制，再让区域特🍬⛓征与对方🚢🇬🇵图片的👩🔬特征进🛡行对话🎟🔵。
