（来源：上观新闻）
两种方式都有一☄🍯个共同👅📄的缺陷：AI从🇨🇵😋训练信🥺号中得📈✝到的反馈，是🎛"这个任务整体成🇬🇧🎉功了"或🗒"失败了"，而不🎩🙂是"你在第🇲🇸👀三步查询🎑数据时出✨🚼了问题"🚩🈚。谷歌将🦜👩🦳AI芯片战略推↖🔷向新阶👩🚒👬段🏬🐗。为了确认SP☸PO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SP🇦🇬PO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⬛🛡PPO框架上☯®，其他🇲🇨一切保持😠不变，命名为🥝🇬🇬"PPO 🎄+ BC🇬🇳E"👙。
路透社🥮在3月首次报道M🙎eta正计划进行📩🧀大规模🏴裁员，此后数周🇮🇨🏕内员工们💬一直在猜测裁🍱😷员的规模🎌。TPU 8t：面📒向超大规模训练🗿的算力引擎 T🗼PU 8t定位🏷🥒为预训练与嵌🧾🙁入密集型工作📉🦌负载的专用加速器🇬🇹🌥，谷歌称其能够🧐"将前👩🔬🇸🇹沿模型开发周期🍘从数月压缩🤺至数周"🌋。谷歌在技术博客❌😭中指出，第💿八代TPU的设📽计哲学围绕⛵👩👦👦可扩展性、📝🐥可靠性与🧶🧖♂️效率三大支🎧柱，两款芯片共享🛑谷歌AI软✌件栈的核心基因，👩⚖️但各自针😿对不同瓶颈进🍘行了专💀项优化🐚🥟。
验证所🦖需的各种仿真类♒型，其运行时间都📜很长，👦而且服务器工时成👨🔧本高昂🇱🇹。GRPO因为每🕸👖道题都需要生成8🚎🕖个答案，训练进🥺程推进得很慢🤒。第二种👂方法叫多能📅力GRP🔚📫O，在所有🇲🇳能力的练习🇭🇲场景里同时训练一👨👨👦个统一插🇩🇲🇮🇪件，达到4🚓0.9%，略高🖤👩⚕️于单一👩🍳插件但远低于🌐TRA💘🍋CE的47.👥0%🇸🇲🥶。
