（来源：上观新闻）
测试结果显示，在🏟🛠难度最高的👩🚀🇸🇴Hopp🐺er和Mou0️⃣ntain📮⌛Car任务🏖上，标准PPO几🎩🌧乎完全失🇹🇿🤙败，成功↔率停在🎵🦞接近零的水✖🇭🇺平；而SPPO🇧🇭成功解决了🥰📠这两个任务，成功🐻0️⃣率稳步💴攀升📡。” 这种“先❎🤥想后画💀蜘蛛异形”的范式，让▫🥞 AI 不再🔊是一个🧤🇦🇬只会执行命令📉的工具，而📌是一个具备意🐡🚫图理解与主动规🥃🌜划能力的视觉助🤴理🎅🇪🇪。
在OpenCla🔝w体系中，所谓🚋👎学习，🛃本质仍然依赖🧟♂️用户✝🇸🇷。标准PPO的方📮式是：4️⃣〰出题，你👨🍳作答，老师给整道🇪🇦🤑题的每一行打分🐲🚹，但他因为"尾部✉👘效应"而打🚇分失准👈。这会额外耗费数☔月的时间⛹🧚♂️。对于每个🚸区域，系统🍣会以80%的概率🔽随机选择一🇵🇲🥯种失真来施加，🚧🦊以20%的概率保🍖🇧🇷持该区↔域干净😼。默认采用4层，😔研究团队👱♀️🤾♂️还测试了2▪层和6层的版本🆚🚆。
