（来源：上观新闻）
GRPO的方式👩🦰是：出题，你和7♏个同学同时作答🇵🇪👡，老师把你🔮的成绩和大家平🔽均成绩做比较，准🇳🇦🇺🇲确但费时〰⚠。在规模上，TP🇲🇫😀U 8t最多可将🦆🏮960👩👦0块芯片组合为单🚹一超级计算节👩🦳点（sup👕💅erp🇧🇪⏰od），并通过J⛱AX与Pa🙎♂️thways框架🧞♀️将分布式训练扩🚮🐹展至单一集群🌩超过1🇰🇵💃00万块TPU😺芯片☸👴。谁都想挖🧗♀️掘“超级🤛个体”并与之绑🇲🇵定，生怕被🐘👩⚖️甩下🇧🇲🏷。1M M🇲🇹💅RCR上V🎺4优于Gem🇮🇶🏋️♀️ini但明显不🇩🇪如Claud🇶🇦e🚈🏤。该公司于2🌻012年上市，🕸🇦🇮但一直📯🦜在亏损，❣🈁到20👨👨👧14年累计债务已🐤超过14亿美元👳。
我真的💪震撼于这🖖些化学反应✝⬅。--- Q&A 🎃Q1：📳🌑SPPO🚟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G😏RPO每道题需📙要同时生🥛成8个答🙃案，而SP🇰🇭🅾PO只💱需生成2️⃣🇸🇻1个🕒🎃。这种数据像“牛👨🦲📵奶”，⏸有营养，🙏三微一端是指什么但难采集🇸🇻🌯。
