（来源：上观新闻）
然而，它的🎠代价也很明🤜♋显——每🏝🤼♂️道题都要生成📮8个答案，🤗计算量直接🚂翻了8倍♑。AI科学家使用G👨🏫LM-5模⏳🌡型时达到💆♂️了平均☃🖕33.7🇬🇵3分，比此🎗🤢前最强AI基♋线高出11.15🚀分，并🇨🇼显著缩小了💲与人类博士生的⏫🐽差距2️⃣🇹🇲。
它可以同时召唤多🇼🇫🌍个子代理并🇪🇭行处理不同维🛵度，再汇总成完🔎整的分析⚛文件，📜供后续所有代理🌿🕓参考🥅🚀。一个很🏋️♀️简单但很🎸实用的 C🏳ase🇧🇾。--- Q&A🕧🇨🇽 Q1🌡🇼🇸：SPPO和G📨🇲🇶RPO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GRPO快约5🧪🍦.9倍，👷♀️主要原因是GR🍛PO每♌道题需要同时生💢🇸🇷成8个答案，而S🧟♀️PPO只需生成🎣✝1个🐠。
第一个局限🤬是 PANDA*️⃣👩👩👧👦 作为基线模型的✔简洁性📹。十几个ex🇹🇲⛷pert通过🦕on-po🧛♀️licy♻ distill🧶😠atio🙇♀️🐨n合进一个统一的🛴🗳stude⬅nt👺🌠。
