（来源：上观新闻）
一位机器🏴学习方💇♂️向的博士生🇨🇨🎷能给谷歌加速的软件，拿到一篇🦑论文后，🌔🔑需要先读懂👨🦲😾它，再搭建运🥶行环境，接着动手🤐写代码，然后跑实👩👩👧验、看结果🏇、发现问🇲🇩题、修改代码、🥟再跑……这个🌓👫循环往往持续⤵好几天，中间任何👧🚗一步出了岔子，都🇰🇳可能前功🧫尽弃👁。这组数据背🍓后的逻辑是👩🚀🕸：当训练🧞♀️🐤场景与目标🕌🏬场景完全一致（即🏓直接在目标场景🇵🇸👨⚕️上做G😞✋RPO）时🧬❔，模型🐊很容易陷入👀🇧🇧过拟合或训☯练不稳定的状态—🛋🇧🇶—它学到🅾🏋的可能是特定题目📠的答案，而非通🇬🇪能给谷歌加速的软件用的能力；而T😧RACE🇧🇱😯的练习场景经🇸🇮☪过专门设计👨👩👧👧🥤，每道题都🎍👩🚒由随机种子程🚁序生成，变化无穷🌗🚞，AI练的🎉是"能力本身🇩🇴"而非"特定题目🇱🇧"，因此能够🚫随着训练轮次的🍻🌕增加持🇲🇨🌩续稳步提升🎁。
这种高度集🇨🇱中的分布说明，🎐☢目标场景🤣😕的失败模式并不是👰均匀分散的，而🆖是高度⛄🕙聚焦在少数几种🌇🧨能力缺失上🕰🐲。直到 Herme👙🐓s A🧕🏌️♀️gent ♦🔧出现🚏🍫。Q2：SPPO里🕗的价值模型🌺🦝要多大才够用🚠👩👧👧，能不能用比主模💒🏓型小很多的模型？🌟 A：实验❤能给谷歌加速的软件结果表明，☕💂♀️价值模型可以🇹🇱远小于主模🇵🇼型🗽😑。网剧《灵魂摆😷🐹渡》系列之于剧粉🐐，是国产志怪🛫剧的天花板，播🇳🇷🖍出12年间，🇱🇦🦹♀️被反复翻🤝出来咀嚼🍫。
