（来源：上观新闻）
性能方面，S💠PPO不🏸仅没有损失，在🐥📍1.5B🥘和7B♟️两种规模的模👿型上，SPPO🤸♂️🎞的综合平均🔇分都略高于GRP🏋️♀️❤O（N🦝🦗=8）💡。这说明🤒🇨🇬单纯"多做几🏴☮轮交互"并🏴不等于更好的结🇬🇲🇦🇿果，关键在🇨🇰于每一🖇轮交互是否🖖真正建立♎在之前🏒积累的成果之上🧟♀️🕢。
📌 “思考模式0️⃣📻让模型🎢理解‘我到🇵🇫测试是什么意思底要画什么，为♓什么这么画’👋🐍。五、训🌲🧂测试是什么意思练越多真🧖♀️的越好吗：TRA🐡CE的扩🔡😄展规律 研究团👩❤️💋👩👰队还专门🚣♀️🧒研究了一个很🇬🇺实际的问题：增🏷🤣加训练资源（更👲多的模拟🇮🇪对话轮次，或🌅⏹者训练更多的🧗♂️🚰能力），带来的收🏴益是否能持👨✈️续增长？ 从能😄力数量🀄🏒的角度看，TR🚜🇰🇭ACE在覆🧳🇳🇷盖1种、2种💙🇪🇦、4种🗃能力时，🇬🇼通过率分别约为4🚁♣0.3%、43%🇪🇨、47%👩🦰，呈现出👊稳定的递💴进式提升👩🚒👂。
