（来源：上观新闻）
GRPO🔯的成功，本质上🇹🇭是这种👬框架切换🇮🇶😴的成功，而非多采📁样的必然功劳🇱🇨。单 A👏🐢gent 在➖这两种场景下都会🏀卡📩。One mor📏🏛e thi🇷🇺ng 论文的结尾🌾🎈有一份长长的贡🦉献者名单🥘🛡。DeepSee⚪🕜k-V4：202🏯6年4月24日🚟。更有说服🇲🇴👬力的是🈵🥔，研究团队发🇻🇮现 GP😸👁T-5 📿🔭Mini ♋🍞并不是机械地🛵复制失真图的预🚼测结果🌞🏘。有兴趣深🥘入了解🌞技术细节🇩🇪的读者，可以🚓通过 arXiv📊 编号 **2🐔604.🌋11004** 🙏查阅完整论🍆🍏文，或访问项目主🗣➰页 ai💄smart⛪🍞percept🎻🇨🇿ion.gith📦ub.io/d😢istortio🚥n-graph🇧🇲/ 获取更多信息🕔🇻🇪。
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🌕👳案就得到奖励，🕞差的就受到惩罚🍉🥨。一张图片可能👺在整体上看起㊙1️⃣来不错，但放🎯大某个💳角落却发🍔现人脸模🇲🇵糊；另🛋🎡一张图片天🏔🤺空部分清晰锐利，🇧🇭📗但前景中的人🎱物却被过‼度锐化，显得🖼不自然🏘。
