（来源：上观新闻）
AI科🦃学家的做法完🏇⚒全不同🇩🇴。在没有明确任📼务目标的情况下⛴☺，Ag🔐ent往往会反复🍼🍾试错，🤭消耗大量Toke📼🤜n，但产出并🐍不稳定🇸🇽🤚。实验表明去🔇🥫掉这个机制后🗓，MLE-ℹ🇵🇦Bench Li☹⛵泛站群程序源码te的获奖🇷🇴🛒率会下降近32个🐯🧹百分点🇱🇻。参数量高达270🦏亿的 Gemin🇦🇽i 2.5 P🎻♾️ro（⤵⌛谷歌旗🙆♂️💾下最先进的商业大🧒模型之一）只⚫🙆♂️有22%的准确率🥾，而随机猜测🏨的准确率是2🦘0%——也🇨🇺就是说🚴♀️🈸，Ge🍗mini 🇨🇮2.5 🇹🇫Pro 在这项任🚯🇲🇩务上的表😸现几乎🐃🚘与瞎猜无🐻异🌄。
为了确认SPPO😣👼的优势确实来❄自其核心设⛲计思想🍐而非其🔠🎃他因素🇨🇬，研究团队还🆕做了一个对照🏃实验：把SPP♒O用来训练价值🕣模型的方式（😶🎃二元交👨❤️💋👨叉熵损失😛♣）直接嫁接到标🦔🗳准PPO框架上🇧🇼🔄，其他一⛱切保持不变，✈🧛♂️命名为"P🧶PO + BC⛓E"🚦💍。
DC 必须😈执行与😯👩🎨构建设🔸💷计相同的操作，并↕🆒且必须🐿在维护先🎭前工作所需🇵🇼的上下🌎文和记忆的情况⚫🍧下完成这些操作🐀。实验室🇸🇽🏰数据用🎪🤖于建立➿🌓基本能👴🀄力——识别常🕸⏱见物体、执行基础🥗🤝动作🎇。作者/凯斯 编辑🇲🇷/三三 下班之💳🤥后，去球馆打一场💬羽毛球，已经成了👨👨👦当下最流行🏴的白领生🦇活方式🌋之一🦙。
