（来源：上观新闻）
性能方面，SP💇♂️PO不仅没有损👚失，在1.5🔐B和7B两🐉✴种规模的模🛌型上，SPP🎁❣O的综合平均分🖥⛽都略高于GR🌲☀PO（N🧥=8）👨🚒。下一轮工作必须正🔃确理解并🎂建立在🚶♀️⏫前一轮的基础🎫之上👏。V4发🇲🇴布当天，Deep🇨🇿Seek研究员陈🇾🇹德里在x上转发🥴并写道：📛 DeepSee🦹♀️🎏k-V3：2✏🚝024年12月2🔺🏕6日🇦🇷🎄。
而在通🚫🇦🇽往精品化的道路🌅上，长视频平🥗👨👨👧👦台选择了“🌕向深”的路👝径🍋😒。研究团队用数🍦🇫🇲学工具仔细分析🇦🇽🚏了GRPO的运作🥯💏机制后发现：GR👜PO之所以奏效，🦔🌲并不是因为"多采⏩📎样"本身❎有什么神奇之🤢🦞处，而是因为它🇧🇫在不知不觉中把🇰🇪🎁整个推🏌🤾♂️理任务从一🧔种框架切换到🇸🇯了另一🚚种框架🐘。
五、训练越多🇹🇳🛩真的越🎛好吗：🥋TRACE的扩🈷🍨展规律🔫 研究团队还专门🇧🇲研究了一个很实🥅际的问题：增加🍉训练资源（🎤🈺更多的模拟0️⃣◀对话轮次，或者🍊训练更多的🇬🇳🇬🇶能力），带🇹🇬🆎来的收益是否🐵🇲🇹能持续增长🇹🇻？ 从能力数量的😔角度看，TRA🧴CE在覆盖1种💙🥖、2种、4种能力🔱时，通过率👱🇹🇷seo的培训班分别约为4🗡0.3%☠、43%🈴🍃、47🍪%，呈现出稳定🇮🇱🇬🇳的递进🕺🇸🇴式提升👨🎤。
