（来源：上观新闻）
只有在模型观察到🏯👳时序结🏔🔂果后，它才意🔲识到问题🥉🔖并加以🔛🛷解决🇵🇫♓。对于每一🚓种被识别出来的🧝♂️🇵🇳薄弱能力，系统⚗会自动搭建一个😸🦹♀️专门用📀于训练这种能力的🐞练习场景🚟🇲🇲。
今年1月，东方甄🇵🇬🍯选还宣布🉐🔓将在北🇸🇯🍁京开业首家线下🗑体验店🎅♿。训练方🆎式是一种叫💖📦做GRPO的💱👩👩👧强化学习算法：A🌕I在练习场景中一🌵次生成多个不同的🖲🈷答案，系🍝统根据每个答案👨🦲的好坏给出分数🥪，然后🇲🇿通过对比组内🏴🇭🇳分数的高低来计🥟算每个答案应该🇻🇦被强化还是🔛削弱🤰。
对于想🤘🧮要深入了🛳🇳🇷解技术细节⭐的读者，可以🤽♂️🎲通过arXiv平😝台，以🍡论文编号ar🍁🇸🇬Xiv:🏞🥄2604.0🇭🇲💺8865查阅完🗒整原文🦁🇫🇷，研究团队也已将❣全部代🇸🇱🖲码开源，🕜地址为👩🏫⚒git🇫🇯🏴hub.co👨👨👦m/sus🐃🤥tech-nl😾p/SPPO🍶，可以直接获取实⏸验脚本👩👩👧和复现🎯所需的🥬🇮🇲配置参🇹🇫数🥈🦟。
