（来源：上观新闻）
相比之下，⚠👑直接在🧙♂️目标场景里🍉👕进行GRPO训🧖♂️练的曲线显♑🍁得波动起伏，🦇甚至在3840👨🎤💅轮次时出现了👩🏫🕢下滑（从37.8🔱%跌到35.🌦🐅4%），最🦞🌀终停留🎴📯在37.8%👷。谈到 Th🅿🦑us 与现有芯🇱🇾🇱🇹片的区别📮时，安🛏🐗克 CEO 阳⏰🇸🇻萌说：🈷🇳🇺“到目前🔴为止，🇾🇪所有 🏹AI 芯片都是一♎泛站边存模型，一🏯🎆边做计算🍋🇵🇦。这项研究由中👔🐖国人民大学高岭♉🇮🇶人工智👩🏭🙇能学院联合独🐾立研究机构及👩👧👧AweAI🐚团队共同完👭成，于20🕌🌨26年4月14日🥒👩🎤以预印本形式🖲📀发布，论🇹🇷文编号为arX😊iv:260🥵4.13🐥📻018🈴。
在一次内部评测☯中，模型根据一段📱📞关于芯片🖋🇳🇵架构的论文🛫🚙摘要，自动🇰🇾👎生成了包含晶🇫🇷体管密度🎤对比图和 3D🏒⛳ 封装示👨👨👧👦泛站意图的🈳完整 pos💋👩🚀ter 🐾🧚♂️—— 连 IEE📬E 的审稿😽🌗人都误以为是人🇦🇼工排版😤👨⚕️。至于演员能♥🍑不能在家躺着赚钱🔴，还不好说🇱🇾📡。--- Q&🧜♀️A Q1：S🇵🇳PPO和GRP🇼🇸0️⃣O相比，训💊练速度快9️⃣多少，🤹♀️泛站性能有没有损失？🚻 A：根据论🏯👩👩👦👦文实验🇪🇨1️⃣数据，SPPO在👬训练速度上👫比GRPO😠快约5.9倍🇮🇸泛站，主要原因📆是GRPO每👢泛站道题需🏊♀️要同时生🦴成8个答案👨🎓🎋，而S🍡🕛PPO只需生成🧡🙂1个🍧。它的思路🧐是直接扔😰掉那个不靠谱🖥🤚的打分员🇵🇾，改用一种"🍐横向比较⛳🍖"的方式：🕦对同一道🤸♂️🧗♀️题，让🌝🤢AI同时生成一批🔤答案（通常是🇨🇫🍈8个），📳☠然后以这批答🏴🎹案的平均得分🇸🇲💒作为基准，⚱🐺那些比🤕平均水平好的答🇲🇳案就得到奖☦🌀泛站励，差的🇸🇦🧲就受到🏞🧢惩罚🚸。
