（来源：上观新闻）
接下来是一个✉独特的"令牌池"🇲🇻机制🌖。这个发现让研🍘👩👧👧究团队想到了一个📓🦹♀️问题：既然💉🏯框架切换才是关🦈🇨🇵键，我们能不能🥈🔕在保留这个框架的🔎同时，摆脱多采样🇸🇬📏的高昂代价🏁🚓？ **三、🇭🇳🏅SPPO🌊：用一个聪明🇳🇿的"预测👏员"替代😁🍃一批答案👼** 基于🍥上述洞察，研究🍱🍖团队提出了他们的👅⭕新方法：🌦👳SPP📙🏋O（序列级近🐆端策略优化）📟🔳。评分方式更宽容🇸🇰🀄，采用部♓🇬🇵分分制，🛣🇲🇵最高1分，完全👩💼完成给🏳️🌈📃1分，部分🈴完成给中间分数🚂🖕。student自💉己roll🎣out，最小化🇸🇨reverse 💎KL向对😃应领域的exp🦃❎ert对🧻🇲🇦齐🤛。马斯克表示，🏴特斯拉已偿还S🥦🖖pace⚽🍜X购买Solar😄City债🤒🇺🇬务的款⛰项💶🇧🇮。
在7B规🅱🐫模（70🍠©亿参数）的🇧🇸👠模型上8️⃣😘，结果同样🧬🌳清晰〽。参数量高达27🇷🇸0亿的👩👧👧 Gem🕙🥞ini🌨 2.5🦚❇ Pro（谷歌旗🎬下最先进的🍭商业大模型之一）☄🐭只有2🐥🧝♂️2%的准确率，而🚄🤰随机猜测的准确率⚗🇩🇰是20%—🥳—也就是说，Ge⚒🇨🇿mini 2.☑⏪5 Pro 在这🤗🙄项任务上的🇻🇨👄表现几乎与🍻瞎猜无异🔍🕔。研究团队将🇽🇰💰AI科学🇳🇴家与非层级😧🇭🇳化的简单🇷🇼📌代理（在P🥉ape↘rBench上对💽👿应Bas🇨🇩👩🦱icAge⛲🇳🇱nt，在MLE🧒🥣-Ben🛴ch 😴💲Lite上对应A🐳📃IDE）进行📦比较，发现即🇸🇴👩👦使是去掉文件即通🇸🇯道机制的"残🚭缺版"🔑👨👧AI科🥴🏃♀️学家，🕸👩👩👦👦在Pa🦴👘perB🏮enc🏌️♀️h上仍🏂🌒比Basic🍳😔Age❤nt高出4🔊🎍.74分，在M🇨🇭LE-B🎭ench L🍷ite🇧🇫😑上的"高于中位📗🅿数率"和任意奖牌😼率也分🇵🇭🥺别高出22🏌️♀️🔝.73🌛🤐和9.09😺个百分点💿。
