（来源：上观新闻）
02. WA🌒LL-B：从😩VLA🤛到WUM，🎹🤥一次架构级🤹♀️💧的“越狱” 要♉理解WA🌧🦢LL-B🏈的意义，首先要🧾理解它🗾取代了什么🎁。研究人员指出🍕，预估🦒👨💻一道题的难度，根🍭🐌本不需要⬅🕛具备解题能力，就↙好比一🇹🇩个经验丰富的老师👧👩🚀一眼就能判断某道🇸🇬题"很多学生会错🦆"，即使🍨🧵他自己不亲自🇧🇴🧚♂️去做这道题🇵🇦。研究团队通过实验🍄直接观🚒⛽察了这个"打分🏣🇫🇲员"的行为🚘🚬蜘蛛，结果令人震🥛惊👍🍦。Gemi👨🎤🏛ni效📪🏓果： 🌛🧒图：🎯🇹🇩 中文菜单、电⛵商详情页、UI 🛢🎆截图 🤝—— 99% 😖👍以上的字符级准确🍩率，让本🥍🇩🇪地化内容生产第一🎋次进入“零修😌正”时代 从➰👨👧👧架构革新看本质：🇭🇹🏹图像是🧒🎸一种语言，👨👧👧🏍而不是⛹️♀️🥄装饰 为什么 G👨❤️💋👨🍳PT-Ima👩🏭🔵ge-2☂ 能做到这些🇮🇹↕？其核心设1️⃣🏟计哲学是将图像生🌓成视为🏮✨“结构🔥⚓化推理任💁♂️🇨🇱务”🧠🥪。
GRPO👨🍳达到57.44分👒，SPPO达到5🇸🇱8.1🇩🇪1分，配备小尺寸💆♂️🔍价值模型🏙的SPP🗽O组合更是🇨🇿🏘达到了58.5⛳🚅6分，🤳拿下了🥑所有方法中的最🔑高分🥼。--- Q&A🇸🇾📉 Q1：SPP🗒📅O和GRPO相比🍂，训练速⛲度快多少🇨🇳，性能👟🐫有没有损失？📥 A：根🇱🇾据论文实验数据，🕝SPPO在训练🏴☠️速度上比🇷🇺GRPO快🥈约5.🎉9倍，主要🥂🚠原因是GRPO🐘蜘蛛每道题需要🇩🇲🍮蜘蛛同时生成📫8个答案，😤🗨而SP🔕PO只🇨🇴📁需生成1个📫☃。V4还🕢💷引入了三档rea🤛👌son👩💼👁️🗨️ing eff📌📈ort😼 mode↗，Non🍦-think、T🙅♂️hin🍗k Hi💤gh、🚺Think M🇬🇼🇸🇾ax，每档输出😬长度不同🥀。
