（来源：上观新闻）
研究团队🤮认为，自主😙长周期🚵♀️👫机器学习🤧🇸🇴研究工🍕🧛♂️程本质上是一个*〰*系统协调⛹️♀️问题**，而不仅🇬🇼🇺🇲仅是一个🥨**局部推理问题🇵🇾**🌋。这种"先结构🛢👶化、再语言⏺化"的路径，可🖼🛏能比直接让语🎸🦂言模型输⏺💵出区域级分析🐙👔更加可🍏🌃靠和可控🎾🇫🇮。
百万token不🦵是一个新的能🐈🇲🇷力，是同一个🇳🇨上下文窗口被压🇨🇲🐝到可以承担👗🇵🇫的成本🍟👨💻。他指出了三个积极🖇信号：公司订单规🏴模持续提升、优质🇭🇹🦴客户群体不断扩🚾充、现金👰📧流状况👳♀️稳步改🇰🇬善🏂👑。这种方式不需🌗要事先标注"正确🦴答案长什么样🇨🇿"，只需要🇿🇼能判断"答💄🛸案是好是📈坏"，因此非👄🦏常适合复杂的多步🌗骤任务🇧🇶🐺场景🥐。
--- Q◻🏫&A 🇧🇼Q1：⛱SPPO和GR🦓PO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，SPP🧰🏃O在训♠🇦🇩练速度上比G👕🏯RPO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1个🧘♂️。
