（来源：上观新闻）
今年4月，博😈🥔通宣布将扩大与🙆♂️🏸谷歌在AI芯片🤤生产方面的合作，🆒🕠为谷歌未来🥚🏡几代AI芯片开🚄⛹️♀️发并供应🥽定制的TPU🇬🇵🗓。它的思路是直💷接扔掉那个不靠🇧🇫7️⃣谱的打分员，🇯🇲🛶改用一种👩👩👦"横向比较🎅🍼"的方式：对同一🎢道题，让AI同时🇮🇴生成一🇹🇷批答案🐵⚠（通常是8个），📼🇲🇵然后以这批🌐🥕答案的平均得🐎💔分作为📬基准，那😎些比平🥍🏈均水平好的答🚐案就得到奖励🕒🐉，差的就受🀄到惩罚🖕。对1M toke🐏🚾n的序列，🛬原本需要att🎬end🦞👉 1M个toke😛📰n，现在只❔需要a🥇🎸ttend 1🚪024个👱😴压缩块🇺🇲。
整个分析过程会独🇱🇸立重复多次，只👟保留每次都🇲🇴稳定出现的👮♀️结论🐉👨👩👧👦。虽然我们发👆现这并🇰🇵🇧🇶未影响 DC 实🇸🇴💠现功能正🌀确性的🇧🇧🥚能力，但5️⃣却增加了 🥋DC 调试时🇧🇪序问题的难度📯。Pro有61层🇱🇸👏，Flas🤦♂️🥰h有4👱3层，C🍪SA和HCA一🇭🇳层一层往上叠👨🚒🇹🇳。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SPPO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，📩😊命名为"PPO ℹ+ BC📔🛳E"⛏。
