（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，研究团🇲🇱队还做了🚘🌇一个对照实验：把❓👈SPP❌💩O用来👕💤训练价值模型的🈚🌹方式（二元交叉🛁🔄蜘蛛爬身上怎么办熵损失）直接🙀8️⃣嫁接到标▶准PPO框架📶👪上，其他一切🗜保持不变，命🔹名为"PP🔟O + 🔔BCE"🇳🇺。我今天最🇷🇴🚫想写的，是 K🤕🧙♂️imi🈁🈳 在 K🙃2.6 🍯🏳这一版上做的一个👬特别有意思的🌾产品创🌪新，叫 Cl🧰🥑aw 群组🦆。
面对这一困📁境，另🐧一个流行方案应↖🇷🇼运而生，叫做GR🇸🇩🥣PO（群组相对🚴策略优化）🧫。一如既往，🦙我们始终坚持🤩长期主义和全民🍑开源🦢🚲。在此过程中，🎈如果发现与 Sp🎷ike 的结🇲🇩果存在任何😊🇵🇪差异，DC🔶🏃♀️ 会观察相关情3️⃣况并检🔃🔎查 V🧚♀️🇷🇼CD 文件以调🚢😎试问题🉑🛐。
