（来源：上观新闻）
上周 An🇬🇪🈁thropi🌆🧴c 发了🏌 Op🎙us 4🙍.7，🥭这周 Ope👩⚕️😳nAI 🌭上了 GPT 🇸🇬📆Image 2😥🌶。用下来有个发现🤤，管理龙🇨🇼虾其实也挺费🅰🍷精力的🥙🥯。而自变量的选择是👸🌙：实验数据⛰🐟打底，真实💛🚂场景提质🏐。研究团队用数🦸♀️学工具仔细分析💈了GRPO🛬的运作机制👩👦🇵🇼后发现：GRPO🦖🔮之所以奏效，😺😒并不是因为"多采❗🏦样"本身有什么神🇱🇰⛰奇之处，而🚦🇧🇦是因为🇸🇯它在不知🐰🔗不觉中把整个🙍♂️🦓推理任务从一种🚺框架切换到了另一🔟🔆种框架9️⃣。第一个，🥥上下文会爆⚱🌠。研究团队还观察到🆙一个有趣的现象：🇸🇯⏮价值模型的预测值🚛🖼整体呈现"🦚保守"的特⚫点，倾向🍤于预测在➡🔆0.6到0🇧🇹.7之间，而不是💊🇦🇸极端的0或1🌸🇧🇴。
如果这道题答对🈵🤦♀️了，每一🛸💋步都受到同等强度☑的鼓励；如果🇪🇦答错了，每😳一步都受到同等🍝🈷强度的惩罚🤷♀️👩💼。第二步，li🗒😭ghtni🍅ng inde🇵🇾🎁xer +🐎 top-k🕐选择👱🔸。--- 🇲🇽🐫六、实验结果：两🖲seo和sem是什么意思个基准上🐇的表现如何？ 研🇦🇨究团队选择了🇬🇵🏴两个互补的评⏳🇯🇲测基准来全面考♥🇲🇱察AI科学家的能😶力🍉。当我们谈论"图像🤬质量"时🇨🇷，实际上在谈论一🏛😱件相当复杂的事🇩🇪🍺情🚿。但就在爱🛵🇧🇶奇艺世界大会🇹🇹上，郭😦靖宇却公开质🐃疑AI演员的合🇯🇵🐚理性，“真人能☎演的剧，为什💡么非要AI🐟🇲🇸做出假人来演🌙🇱🇰？”强调真人表💁🇿🇼演充满烟火气，🐀AI演员只📏🔐有“美”和“像”🕑🐶，没有灵魂⚠。
