（来源：上观新闻）
研究团🛬📽队将AI🌅🇹🇬科学家与非层🇧🇫🇦🇬级化的简🎶单代理🇫🇮👨👧（在PaperB◻🤮enc🔧🇵🇰h上对应Ba😴sicAge🇹🇲nt，在MLE🇬🇸-Bench 🔇👨👩👧👧Lite上对应🛡AIDE🕧）进行比较，💔发现即使是去掉文😤🇵🇦件即通道🐃📼机制的"🥳残缺版"AI科学😮🇯🇪家，在P🇱🇻aper✏Bench上仍🤟比BasicAg🤤ent高出4🇳🇬🍿.74分，在ML✏💞E-Benc🤕🏠h Lite✉🚖上的"高于中位数🕠⚱率"和任意奖牌👿率也分❎别高出22🚫.73和9.🦐09个百✋分点🌲。
而这种改变🇮🇳的速度，要远比你🧑🥯我想象的快🇰🇭👨👩👧👦。那时候大家都在♐👨🔬卷硬件参数🎑，比屏🏏🆗幕、比摄像头、比➖续航😷🕜。这些需求一🇧🇹直都在，但🙌㊙当下的🔯科技，无论是👩❤️💋👩互联网还是算法💑推荐，都没🔶📻办法真正回应它🇦🇺们👨❤️💋👨。当然，这项研究🌲也坦诚地指出⚫🚢了自身的局限：S📭🏄PPO的设计👆前提是存🦇在一个🧶⏩明确的对错判断—😋✒—数学题是否🌥🇨🇨答正确🔋📟。
但这个差距已经比🥉🌎之前任何🇰🇪AI系统小得多，🧷📸而且研究团队在™↩这个方向上的设计👜🕸思路，为进一步缩♑🅾小这一差🦠☄距提供♒⛲了一个清晰可👨🦱扩展的框架🇲🇫。不是造一个更强的☹机器人，而是🤚给机器人一个🏜真正能理解世9️⃣🇪🇬界的大脑🧦。这个发现让研究团💍队想到了一个问🔃🗄题：既然框架切换👈🇦🇩才是关键🇦🇪🐴，我们能不🦙能在保留这个框架🌻🥔的同时，摆脱☸多采样的高🥮昂代价？ *☄*三、SPPO：🌼🗡用一个聪明的🇯🇪🧰"预测员"替代一🇿🇦批答案** 🍌🍞基于上述洞🥾察，研🐟究团队提出了他📦们的新方法：S🔕🏋PPO（序列级近😀端策略优化🇨🇵）🚪⏪。
