（来源：上观新闻）
精品化不仅是商🗃业选择，更关🕉😝乎创作🌸的本质🚪🥞。整个过程没📝🧜♀️有"中间步骤🇻🇬"的概念，只有😰"整体行动"和"⛓⛹最终结果"⛽的对应关系👒😂。留下来🇰🇾↕未必是好事👴 在Blind的🔻🌧Meta🇫🇷员工版块上，🇬🇧一些用😒户发问，为🇬🇫😛什么Meta不🇲🇷⏩能提供自愿离职补🍼🙏偿🎙。PAN🎻💯DA 🍱模型的🚭3️⃣参数量仅为0.0🐰28亿🇪🇭🧂，处理一对🍜包含14个区🏈域的图片对🏈❇只需要🦐3.53秒💴，而相比⬆之下，🦙同类开源多模📟🅾态模型🍩（如 Q-Ins🇸🇻🏭ight👁）处理同样♥的任务需要2🏴☠️🍾74秒，👨🎓🥞参数量更🇲🇾是高达70亿🏠。
但在SPPO的框🏋️♀️架中，价值模型🐑的任务极度🤝简化——🍑👹它只需要看一道题🇳🇮，输出一个数字📞，告诉你这道题👩🏭的预估难度📪。话音刚落，风向急💋🤮转直下🐳👨🦰。在几个对比方法📺🔫中，直接在目标环🚤境里用强化学习🎃训练的模型（🇹🇱GRPO o🥡n Targe🖤t）能达到37.🚸🇭🇳8%，一种使用🔓🦈通用合成环境训☎🎰练的方法（AWM☄）能达到38.4🦸♂️🎪%，而📔🇷🇴一种通过优化系🇳🇦统提示🇧🇻🚦词来植入能力描述🛵🚎的方法（G🐭EPA🏓🐅）能达到394️⃣🕙.6%🥫👨❤️👨。
