（来源：上观新闻）
杨紫、迪丽热巴🥣、肖战、易🇦🇼烊千玺🍷、龚俊和🧀🔞张婧仪🗃等有名有姓的艺人📗，都曾💠🍸惨遭AI短剧“🧙♀️🇮🇹偷脸”和“盗声”👤，集体喊☀话要求🛌AI换脸短剧下架😓。GRPO的方式是🇧🇮🗨：出题，你和7🗿🇸🇮个同学同🥠时作答➗，老师把👓你的成绩和大🤜家平均成📮绩做比较，准🧴确但费时😮。
研究团队测试🕍了用15亿参数模🔩📉型作为价值模🧟♀️型来辅助训练7📁0亿参数🛂🈯主模型，两者🍫🎣相差约4.7👱♀️倍🥁📛。它不再只是😗🤺某个同事自己的🎳🚆事情，很多时🦛候需要🏒在公司📐🇹🇱层面做🤰🏍协同🧛♀️😂。**六、不只是🇦🇩🐯纸上谈兵：在经🦝🇿🇦典游戏控👚制任务上的验✊证** 为了👨🦲排除"成💵⌚功可能只是因为在🏁🔲某个特🇱🇺定训练框架👨🚀下的系统优化"这😙一疑虑，研究团🇼🇸🇲🇭队把SPPO移🔜🏪植到了五个经典👘的强化学习控🌍制任务上：精🔠密版Ca⚒😩rtPole（☠控制杆子不倒）🛶、Mountai🏯💮nCar👨❤️💋👨（让小车爬上🍥🤸♂️山）、Hop🐠per（双足机器🤗人前进🦟）、Lunar🍽🎦Lander（月🚬⏺球着陆器着陆）和⛎📢Pendu👨👨👦lum（保持🐼摆杆直立）🇹🇭。
相比之下🎡🦷，直接在目标场🗿〰景里进行GR🧽🇲🇰PO训练的曲线🦓显得波☎动起伏，甚至在3🧽840轮次🏌💘时出现了下🍆滑（从37📠🇧🇩.8%跌🧓🦠到35🥄.4%），最🇪🇬⛺终停留在37.⛷8%💁♂️🏜。随后，这些区👩💻域特征被送入🚴一个"退👥🇧🇾化解码器"🎥。“从拓🇨🇳💆展人工智能模🕜🇸🇿型性能极限的角☹🇦🇹度来看，这对💯我们来说很有意🔨💪思，”他说道♥🇦🇫。这些错误最🍓终会被纠✡正，因为 D🇰🇮*️⃣C 可以访🍆问工具提🍷供的实际时序🇬🇳🦋报告，但这会减🕹🔥慢 DC 的进🕥度并消耗额🇲🇲📹外的令牌🦸♂️🌶。
