（来源：上观新闻）
而这，正是具身🎃🗂能给谷歌加速的软件智能这几年开始📄🇲🇬在尝试的事🏡🇹🇦情🚑🤛。第二种叫"⚗🎴工具调用精确⛎性"：♐⚠AI知道该用哪💿🇫🇴个工具，但传📖入了错👲误的参数💇♂️。没有模🐍块边界，没💸👘有数据搬运，没有🚩信息损♈✨耗⏳🦓。
面对这一困境，另🥌💧一个流行方🐖🥪案应运而生，😻▪叫做GRPO（🌕群组相对🔹策略优化📈）🏃♀️。为了确🇲🇳认SPP🏴O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PP⤵O框架上🇦🇶，其他一切保持不🎢🇺🇲变，命名为"PP😣O + BCE"🗽⬜。
这种高度稳定的🧦🍨识别结🦹♂️🤹♂️果，验证了对比👩👦👦😰分析方🇳🇱法的可🌆靠性🦢🐠能给谷歌加速的软件。然而，它🌆🔔的代价🤝也很明显——🤓🤾♀️每道题都要生成🇺🇿8个答案，计算量🚩🛏直接翻了8👩✈️🦙倍😊🇦🇩。
