（来源：上观新闻）
这组实验😷表明，SPPO的👩🔬优越性是🇺🇦🧷算法本🐢👌身的特性，在不同🇱🇻🙍的任务场🦸♂️景下都能复现♠👨👦。。DC 👨必须能够在消🇭🇳🏣耗数百亿🥩个令牌🥚的情况下▪， 朝⏫🧂着目标👁——功能🇱🇮正确、高性能的设🧛♂️🇫🇮计——不断🏘前进🔳🧖♀️。
在Too🇲🇻🥛lSa🐢🍈ndBox上，系⚽统识别🇰🇲🏯出了两👙🐍种关键能力薄弱🚵♀️🌃点📺🤞。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🔜4️⃣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📚🐍。
