（来源：上观新闻）
图1展示了一个🔑具体案🎌例：在🦴SEO网官网"侮辱性言论检🔷测"这一任👨✈️🚟务上，AI科学家🙅♂️🇦🇨在23小时内自主👵💨完成了7🤨🐘4轮实验，🧖♀️将模型的验证集A🇱🇹👨💼UC（一种🦑📊衡量分类模型好🔞🌙坏的指标，越接🗿近1越好）🇵🇷🕰从0.🐧903⏩提升到了0.🏞982🏮🔑，期间经历了🎃18次"找到更🏛⛺好方案并🌸🛅保留"的关键节点👩👩👦👦👩🍳，同时👷♀️也经历了😽🚍大量"尝试无效🦡🕢果而丢弃"的📤⛸探索过程🔁🦑，全程无*️⃣🇱🇧SEO网官网需人工干预🇫🇷📵。
Hermes👯🎶与OpenC📪law的另一个关🤱🕞键差异，在🏔于记忆机制🍡🇨🇩。--- Q&🧜♂️🚕A Q1：SPP🔩♓O和GRPO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，🦍SPPO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S👘PPO只需生成1🚬😀个🔍🧟♀️。记者注意到，姚🇧🇧📲双选择以OPC😺模式创业的背后，😂🙍离不开国内AI产🇬🇹🧸业近两年🇲🇱🇸🇯迎来的关💽键质变，譬如Ki👨🦳👨🔧SEO网官网mi、🇱🇧👩🦲Deep👎See🇵🇬🇵🇲k等大模🌴型与工🍇具能力大幅提升，♟️🦎让单人或👜💡两三个人的小团👴⬅队，也能快速完🚅成产品设🇨🇱🧁计、原型🧤🧱开发与市场验证🔼。
