（来源：上观新闻）
降本增🐝🇿🇼效，是最先被🇲🇷感知的变🐛⛅化👷。作为这一趋势👧🧹的亲历⭕🇭🇹者，晴🇵🇸🥗敬科技创始人🅱姚双拥有阿📻里巴巴、🇪🇬字节跳动等互🐳🙇♀️联网大厂🇳🇬😈从业经历，🇩🇴⛹并有硅🐸谷交流🇶🇦🕶经验，他以OP🇲🇰🇨🇺C模式创业，🏎❌一边为📋🏹企业提供 O🚀PC 业务赋🤯能服务，一边聚焦🚘银发经济赛道，并🇮🇨🦚推出AI助老项🍿目“生命之🇹🇨🚆书”，用技术帮助🇲🇹🥔老人留存生命🙇🕝记忆、对抗🚸🇬🇧遗忘🚭💽。
在精密Car✡🧬tPole🛒上，SP🇬🇳PO收🆕敛速度👖🏴☠️明显更🇲🇨😧快🚘👩❤️👩。这就是这👩🌾篇论文要解决的😧问题所在——🧭😀不是让AI🕉💁♂️写一段代码，也⛽😧不是让AI回答💔🇯🇵一道题，而↕是让A😃I像一名真正的科🇨🇻研工程师那样，端🐇🍠到端地完成整个📓机器学习研究的复👄现与优化流程🐅。
第三种方法🌳叫合成数🇨🇰🏘据SFT，收👮集每个能力练🇬🇭习场景的成功轨迹🦉🧀如何预防蜘蛛爬到床上，然后做监🇲🇩督微调，结果📫🥿只有37.8%📎🙏。当我们🎶谈论"💎🐮图像质量🗑🦠"时，实际📽🇵🇬上在谈论一件🇧🇷相当复杂的事情🏁。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）🇸🇯。
