（来源：上观新闻）
更关键的问题在👨👩👦👦👨👧于，这些🤑👠模型通过👩🏭🇽🇰"监督微🔡🚰调"（可以ℹ理解为"⌛🇽🇰刷题训练"）的方🐎🤸♀️式习得了固定的回🇦🇼答模板，就🅾🦠像一个学生死记硬⛏🕐背了几套答题公式🍛，一旦遇到没见👩🎨过的题型就不知🇧🇻🕝所措🦘🏐。
该框架还管理子🇵🇾智能体和相关🇮🇨文件的数据库8️⃣🔻。为了确认S🇹🇹💴PPO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PP🇳🇪💆O框架上，其他一🗳♣切保持🌺🇱🇸不变，命名为🧴"PPO +👩⚕️ BCE"⬅➡。
