（来源：上观新闻）
PANDA 模👨💻👩🦲型的参数量仅为⛲0.0📵28亿，处7️⃣理一对包👁⏯含14个区域的💯💝图片对🥟🇻🇬只需要🕊3.53秒🈂，而相比之🤐🧶下，同类开🦠⛹源多模态模🦀🎯型（如💰🚗 Q-3️⃣👨🍳Insight💊🤶）处理同样♟️的任务需要2🈳74秒😾，参数量更是🇱🇷👪高达70亿🦎👁。
**七🏏、价值模型学到了🛑什么*🇵🇹* 研究🇮🇱团队还专门分析☄了价值模🇸🇯🏬型的质量🍨🇸🇴，因为SPPO的⛳整个机制都👨🍳依赖于一个能准🍘确预测🧬🤲题目难☣度的价值模型🍳📛。况且真🔆🤞人塑造的角色，往🧭往带有💹↩演员自己的影子🇨🇼和温度，而AI无🌽论多么还原，也只🇲🇱🇫🇷是一堆冰冷的算法♌👨💼。
但现有主流训练方😺法存在根本🌯性的缺🇱🇧陷，而这🇬🇭👨👩👦👦篇论文提出的新方🇦🇺法，正是为了彻底🇪🇦解决这☯个问题☹🦌。但在SPPO的🚕🤺框架中，价🦞↗值模型的任务极🙆♂️🍬度简化——🇬🇪〰它只需😾🇯🇪要看一道题，®⛩输出一个数字，告🗽诉你这道🎃🧂题的预估难💌🥂度🦌🐲。
