（来源：上观新闻）
性能方面，S✳PPO不仅没有🇲🇩损失，在1.🤹♂️🤖5B和7B两😻种规模的模型3️⃣上，SPPO😺🃏的综合平🏴均分都🤼♂️略高于GRPO（📰🇱🇨N=8）✒。论文里🐬🤝没有长🏫👩🎓篇大论地解🇱🇧释CSA🥿和HCA为什🇬🇷👨🎨么要配🤑💺对使用，但读⌛🕚完整个😄🌶architec👷⌛ture🏳😽章节，能看出它✈🤺们的分工😃。具体来说📥，除获批准外，所🚼有韩国国内生产的🈂👯♂️石脑油🧷🧭均不得出口，包括🐉已签订的出口合同🇲🇶货物也被限制，约118️⃣👨👩👧👧%的出口供应🙄将转供国内市场👝。
五、训练👨✈️🥮越多真的越🙇好吗：TRACE🥂🌫的扩展🐳规律 研究团队还👨🦱专门研究了🥿🐾一个很实际的👋🇬🇬问题：增加训练资👔🌗源（更多的模拟对🌬话轮次，或者🇨🇱🌍训练更多🇬🇳的能力），带🧁🖌来的收益是📧否能持续增🗄长？ ◻🏣从能力数量的角度🌉🚈看，TRAC🚪🙃E在覆盖🖖🙎♂️1种、👱♀️📳2种、4种👩⚕️🤣能力时，通过率分♿别约为40.3🧗♂️🇻🇦%、43👩🏫%、47%♐🚽，呈现出稳定🚑的递进式提升🤺。过去，🤷♀️训练一个70亿5️⃣参数的推🗒理模型需要同时⤵🎯加载一个同等🕍📥大小的打分员💨🏹，内存压🍀❗力极大；🍽♣而SPPO允许用✏一个小十🏰🇵🇲倍的模型担任价值🗄↘预测者，让😛🦏更多研究者能🇹🇩够在有限的计算资🎈源下开展实验🏴。
