（来源：上观新闻）
研究团队用数🤩学工具3️⃣🇦🇮仔细分析了GR👆PO的运作机🤵🧳制后发现：💌GRPO之所🆑👾以奏效，⬅🧒并不是🗒🦡因为"🧐💔多采样"本🔼身有什么神奇之🕒📇处，而是因为它在🇸🇷🐵不知不觉中把⛅整个推理任务🦸♂️🏗从一种框💭架切换到🕵了另一种框7️⃣🚣架🍃。Muo🐸n优化🇧🇾器：从Kimi📩🍭那边借的🤽♂️🚽。” 中午，世纪城🎱🐯对面的星🥏巴克人头🏃♀️攒动👌。于是在社交🥛🧠媒体和电商🙍♂️平台上，“3🎈9.99元🍍🎓专业安装”的🧟♀️服务和“从入门到🗡🌃精通”的教程🇳🇱🇨🇬开始涌现，教人“🧝♀️养马”的生意😕👨🚀迅速成形🔮。
确保所有汉⛓🏡字和数字渲🇻🇬染精确，布局清晰🗻优雅🔡🥔。这项研究由⏭⚡中国人民大学高⬅岭人工智🍔能学院联合😾😚独立研究机🚦🤴泛构及AweAI⚰团队共同完⛩🧙♂️成，于😹🇱🇻2026年🔯🇬🇪4月1🤑⌚4日以预印本形式🇭🇲🔓发布，论文编号为🍈arXiv:2😿☕604.1301🇹🇱🧙♀️8🚞泛。为了降低风险，🈚我们保留了许多⛲已经验证过的组🧙♀️⏸件和trick⚙，这让架构💅❣变得相对🇭🇹复杂🎂。通过反复分析🛠🇺🇿，系统在💶💁♂️τ?-B⚒ench🤷♂️⚠上识别出了🧼四种核心能力薄👔弱点😁🤯。总参数1.6🙍🥜T，激🦟活49B🚎🇱🇹。
