（来源：上观新闻）
过去，训练一个7👢0亿参数的推理🗣🇵🇪模型需要同时加🤗🇱🇮载一个同等🇨🇦🇬🇶大小的打分员，内🕊存压力极大🇧🇻💑；而SPPO允许🧷🤸♂️用一个小十倍的模🇯🇪型担任价🦁⏩值预测者，让更4️⃣⚔多研究者能🇮🇷够在有限🎱的计算资源下🇧🇶⭐开展实验😗。例如，转发🇳🇿🤤实现最初常常导🤬☺致关键路径⬇🛁过长🌉😳。这也从实👣🔋验数据层😔❔面为TRAC🍿E的核心逻辑提🚇➕供了支撑：👕少数几种能🦊力的缺🔕失，足以解释绝大🕘多数失败案例🏏💕。
所以，🖇我觉得 Ki👨👩👦👦mi 这件事不🈲是做一个💪 Agent♒🇰🇪 工具，它在🚫🔩试图定义 A🕣gent 时代的🎣交互范式🈵🔦。这就好🔵🤹♀️比一个📢🇸🇴判卷老师🇹🇻🚱，全程不看🇳🇴解题过程，只🕝✝盯着最后一🚤🖍行看，凭👋🤥"感觉"打分⬇。比如，一个盘子一半悬🇸🇽👨🔬空在桌沿外——🎺▶它不需要见过这🦟种情况，就能推断🏄♀️出盘子会🔛掉落、🦸♀️🇪🇬摔碎，从而采取🌦☑预防动🍰作🖌。
这组实验表明🚩🥾，SPPO的➰👢优越性是算法本身☮🏮的特性，在不🇼🇫同的任🎺务场景下都🇸🇭能复现©🤡。官宣不到🔇24小时，“A🍀I演员 假人感”👛🇬🇵冲上热搜🇬🇦🔭。”实测后虽然觉⚜👳得Herm🇦🇼⏏es有其优点，但😴人工大黑还是泼🛣了一盆冷🔎水🔣。在 TID20😋💴13 上，👝🚙PAN🇭🇺DA 同样🇽🇰🇵🇾以78.🕜🇲🇨4%（基✊于比较🏘🍙关系）和77.🦒8%（基于分😙🏝数）的准确🚧🎢率大幅领先😻其他方法🤔。
