（来源：上观新闻）
留下来未必⚔是好事📱 在B🇸🇦📒lind☄🇲🇭的Me🤣🇫🇯ta员工版🛂☝块上，一些用户🔳🚛发问，为什么🤼♀️🔛Meta🚖🧨不能提😷供自愿🈂离职补偿💳🍎。首席科学✨💩家赋能：确5️⃣保公司🌿💂技术代差优势 破🎍解“最后一🛢公里”难题，是行🇲🇶业从演👩💼↔示走向规🕗模应用的🈵📐关键🇷🇴。“以往用Open👨👦👦Claw，🤦♀️遇到重🍅要任务我会主动提🛷醒它帮我总结⤵👦。
这个数字📊🍚，就是"题目难🏀度的预估"🇻🇮👹。--- Q&A 💺🕕Q1：SP🐱🦢PO和GRP⬜O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🦛PO在训练速🥭🍄度上比GRP😢O快约5.9倍👲，主要原因是G🛍🕙RPO每道✖♦题需要同🎾时生成8个🇬🇾🏳答案，而SP🎣🧘♀️PO只需生成1◼🤱个🇺🇳®。又想起来那句话🙃❤：人是环境的↩🇳🇿反应器😐👩🎓。
。目前，我个📲🌊人觉得在产品🇦🇪开发上，Ki🚲mi的整🏚体表现很不错🇩🇪💅，我现〽⚖在很多大模型⏮用的都是K🔀🖥imi💚。这在理论上很美🤭好，但实践🇨🇫🌀中就会遇🍇💯到前文描述的打🛅分困难🎈🇦🇱。而具身智能提供的🍇🅾，恰恰是一种反向🇵🇫的可能🏥—— 它3️⃣GOOGLE推广打破了那面无形🚵♀️的数字😥之墙，重新赋予🎴🖕我们“有🚌📱人在旁”的温度🙆♂️。这种探索工作是浪🇨🇮✝费的，不🚄🐡必要地消耗了令🔻🍐牌，而如果模型🌺🇯🇪对架构和🔳🇦🇮工程有更深入⛱的理解，这些🇧🇼浪费是可以避免的◀🙋♂️。
