（来源：上观新闻）
PAND⚔🥕A 使用8块 N🚤📍VIDI🤢A V100 3🦊🇰🇳怎么自己弄一个平台2GB 显卡训练🇪🇨，批次大小为6🇰🇮，总训练🥺时间约1🉑♾️.5天，使用⛺ AdamW 优👤🛏化器，学习🏋🥥率1e-4，权重🈚衰减0.0🕢1，共🌟训练30轮🍝🇭🇷。V4的做法叫mH👗👏C，把🌗🎶矩阵B🇿🇦🤶约束到🔛「双随机💦矩阵」的流形上🕺（数学上🌉🙉叫Birkho🧻🎦ff polyt🖊🦓ope），行和🆎列都归一🇨🇳化为1🦖☂。
结果表明🤮，在 KA🌋💐DID-🍨📞10k 上，基于🇪🇨 PA🖤NDA🇨🇲🏑 分数的排名准确✏🗒率达到78⏰.83%，基于🐫🏌️♀️比较关系的🤹♀️排名准确率达到7⏺🇹🇯6.90%，超⛅过了同类开源多模🐖态模型（如🚌🏢 mPLUG🧗♀️🇲🇨-Owl2 🏌️♀️的48.5%、🥡🌴LLaVA-🇲🇭1.6 的5🔽7%、Q-🚔Instr🚛👄uct😮 的55%）😉👥。
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SP🍩🦸♀️PO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框架上🐋🚞，其他一切保🏞持不变，命名为1️⃣🚾"PPO + 🧔🥫BCE"😁🚞。AI必须自己去猜🍔测究竟是哪一个行🦸♂️为导致了最终的🇬🇩🤚失败，而当一⬅🌴个任务需要完成🍤⚙十几个步骤时🌸，这种猜测几🥿乎无从下🧚♀️手😉👴。
