（来源：上观新闻）
当AI作答完🇸🇮毕，得到"对（📦👩🌾1分）"或"错（🇲🇹⏳0分）"的结果后🥎🇨🇩，SPPO用一🐺个极简的公👨🔧🐰式计算🚳🇺🇦优势信号🕟💑：实际结果减🇫🇷🍑去预估概🐒率🚼🥑。这会额外🚗🧙♀️耗费数月的时间🧭🎬。但观众，🇿🇦🥖要开始📊🥨被迫适应“假人🚿🕤演戏”的时🍪🏤代了🇬🇬。过去的🕯🇨🇾方案因🦆此只能🐏⚪使用小型神经⚜网络，处理能🎁力通常停🧰🚰留在数📆🔵十万参数🧕🍞的水平💥。谷歌高🛩👩🎨级副总裁兼AI💅🇨🇳与基础设🥵施首席技术🌹☂官Ami◼n Vahd👌🏖at表🧗♂️🍒示，随着AI智能🎣👕体的兴起，👘"业界将受益于☮针对训练和推理🇿🇲👨💼各自需👨🔬求专门优化↔🤵的芯片"👨🍳🇭🇺。
---⚠ Q&A Q1🇲🇲🦠：SPPO和G🇬🇬RPO相比，训练🈺速度快多少，性能🚈🇸🇽有没有损失？🇨🇺 A：根🇱🇨据论文实验数🥦➗据，SPPO🕵在训练速度上🔴比GRPO快💹约5.9☢🥩倍，主要原🇲🇲👫因是GRP🌴O每道题需要🎣🐠同时生成8个🇰🇿答案，而SP🧗♀️PO只需🇵🇫生成1个📌。PAND🌙A 使用8块 🔈😌NVI🤪DIA 🦄🧚♀️V100 3🇧🇴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🌼🍂。
