（来源：上观新闻）
为了确认🔛SPPO🇮🇸👩🔧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P🧂PO框架🥇上，其👩👩👦👦🔉他一切保持不变🍄🔄如何制作个人网页，命名为🐛🇵🇷"PPO 🇲🇫+ BCE🐙🚑"📻。
性能方面，SP5️⃣👙PO不🧟♀️🏋仅没有🏴💩损失，🐄在1.5B和🇨🇫7B两种规模的模🗯型上，S🌊PPO的🚛🇺🇿综合平均分都🎮🇨🇱略高于G📞🥮RPO（N=8）🤦♀️如何制作个人网页。模式不同，但方向😬🇩🇴一致，都👩👩👦🇮🇩是用技术替代🙆♂️人🧱🤝。
而自变量在这个🕵📻维度上，🌄🦇构建了一条几🤓乎不可复制的护🇮🇱🎳城河🚗🗄。作者/☑凯斯 编辑/三三👨🎓 下班之后🧶⛰，去球📟🚁馆打一🌇👱场羽毛🇨🇺球，已🏴🐆经成了当下最💞流行的白领生活方🐺🍹式之一🚬📷。
