（来源：上观新闻）
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🏙🧴怎么除蜘蛛最有效方法团队还做了一个🔶🦴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PPO框🅱🇭🇲架上，其他一切🗒👨🌾保持不变，命名为💱"PPO +😼 BCE"👷♀️3️⃣。
作为参考🏏，这大👅🇳🇴致相当于 2🕟011 年中期⏺♎的 Int⚡el Ce✡🇬🇧leron 🇮🇶SU2300（运📤行频率为🥎 1.2😄 GHz🏴☠️🇧🇮）🤓。MoE部🏴☠️⏏分仍然用De🐲epSeek🏐👘MoE，MTP（🐿🚃Multi-T🦈oken P🇨🇿red🦡iction）模⌚块跟V3保持一致🤽♀️🌃。
这就是王潜所说的🏸“模仿而非理解😶🇨🇨”的天花板🕑👎。“我做的是⛏PMF，即产品🤬🦔符合市场需求🕉。此外，🇵🇸🦀DC 在🏳🚻某些情况🦞🇬🇶下还会低估解决👩👩👦👦某些问题所需的工🆙作复杂性❗。
