（来源：上观新闻）
数学、代码、a⚙gen🇫🇴t、指🛡🇱🇧令跟随四个领域😜，各自独立🔇训一个e👩👩👦xpe🛐🙂rt👩🏭。这项由💉华为技⛔🥘术（加拿大）🛥👉研究团队完成的研🎣究，以论文编♟️🇬🇩号 arXiv🐻:2604.🏋🌏1100🌹4v1 发表于🦘202🇳🇦✝6年的顶级机🔘🤥器学习会议 🧼🧮ICLR🇱🇹😯 2026（🤼♀️国际学习🥾表征会议）⚙。
第二个测试📙🇬🇸场景叫ToolS🚵♀️🚘and🧧👪Box，😏测试的是🧨更广泛的工🛤具使用能力🥿🇭🇰，包含129💁个不同场景💪。可以把失🧨真图理🤓📓解成一份详🕉细的"体检报告🆚🐜"🧚♀️。耀客AIGC🍏👚实验室负责人🏴☠️🇳🇵曾在采访中透露🎱，AI短剧《秦岭🇸🇻青铜诡事录》的❓制作成本仅为🛌🍃真人实🇩🇿拍的10%🇬🇲🇳🇿-20%，制作🇾🇪周期仅为2👨👩👧👧▶个月🌽。**七、价🛸👱♀️值模型学到了什么🗞** 研究团队🇬🇩还专门🚘分析了价值模🧖♀️型的质量，🧾🇧🇻因为SPPO☮😜的整个机制都依赖🕌🕋于一个能准确预测🥂😿题目难🐬🇭🇳度的价值⛱模型🇵🇼🙎。
这意味着👴🚥，SPP⚱🗨O的成🗒功不是因为🧵🍌某个特定🐫💤的数学技巧，而是🧂因为"把整个推理😲链当作一个整体来🚠👩✈️评价"这个根本性✨💪的框架转变🎠🧙♀️。在Lu🔪narLan💆der🎚✖上，SPPO保持☪🙋♂️了稳定🧝♂️上升的学习📹曲线，而🕑😶标准PPO则出🎟现了明显的波动🏯🏴和倒退💀。总参数🕺284B，激活🇬🇲🤭13B🔍☔。亚马逊🐧😱硬件师GPD表🍟🇹🇦示，这🔩🏫意味着Deep🛑Seek可能🤪🇳🇵解决当前的H🈹BM短缺问题🧖♂️。
