（来源：上观新闻）
--- 🎟🏫Q&A 📥◽Q1：SPPO和🙇♀️🇮🇸GRP◽🌓O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G🚙RPO☯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🧽SPPO只需生成🥭🦵1个🔸。这款名为Ver🇵🇾🇧🇿Core的🇵🇳CPU主🇬🇮🏈频高达1.5❗👠GHz🕑，性能堪🎙比201🕵️♀️1年左右的笔记🇱🇻✳本电脑C🤡🏓PU🍃🏩。话音刚落，风向😧📎急转直📍下💲🔨。Ravi Kr👨👧👧ishn🇲🇺🏷a表示，🐦公司希望打造一个🔒🕝人工智能代↘理此前未能7️⃣实现的全🇨🇵📿新设计🇨🇩。前三个🛅头使用交叉熵损🥃⛴失函数（适合分类🖋任务），❓🧶第四个头🇦🇩🇰🇷使用L1损失函数👨🍳（适合💔数值回归🚈任务）。
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🐣🔰。”实测后虽然🇹🇰觉得Her🏙mes有🌺其优点，但🇦🇸🚮人工大黑🈵🛠还是泼了一盆🥘冷水💘👨🦰。AI科学♣🤣家在使用Gemi🛑ni-3🚗🇹🇨-Flash作为🖨🌵底层语言模型时，♿🇬🇫平均得分达到3👕🚚0.52分，比👩👧👗同条件下最强的🗯基线系统高🇫🇮出9.92分；🚝使用GLM👦-5时🤼♂️，平均得分达到3😒👩👩👦3.73分，比🇹🇳🎃最强基线高出👩👧👦11.1🤤5分👋。
