（来源：上观新闻）
在标准☑🥗PPO中，🍹🦟那个"⛄打分员"（Cri🇲🇭🇪🇪tic）通常和被🇨🇭训练的AI模型🇫🇷🦒一样大🇨🇮👨🔧。**四、一个意外🇭🇲惊喜：小身👩🦰材可以驾🧰驭大模型*🏡🧥* SPPO在设⏱🧾计上还带🚆🔸来了一🍷个额外的好处，研🕋🔹究团队称之为"解🏬耦批评家策略"❗（Dec🍫📽oup🇶🇦🎨led 🇯🇵🤭Critic👁🇳🇫）🖍🤯。
但如果能拆🏛🇹🇹出多个 A🇸🇯gent，分🎷叉的时候让子 A💼🍕gent🔷💬泛二级域名 各自探索不同㊙🐫方向，👩💻🍠流水线的时🇮🇷🏸候让不同 🧨🇰🇿Agent 🚉负责不同环节，主😅 Agen🤠🇷🇼t 管总方向，整💐👐个执行过程👮🚣就会更快，也会更🐔稳🃏🚐。--- Q✉&A Q1🗒：SPP🎥💶O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，SPPO在🍇训练速度上比G💳🚆RPO快🐦🌓约5.9倍，主🖼要原因是GRP👨👨👦👦🧞♀️O每道题需📊要同时生🇦🇹🥾成8个答案📌，而SP🔸🍫PO只🧭👩✈️需生成✨🥞1个👅。
