（来源：上观新闻）
周一围谈“真人表🚯演成非遗” 一个📑🌒月前，一则“男二📣以下全换AI🚵♀️👨✈️”的消息，划下🇦🇿📕内娱“🏋最新泛目录站群程序斩杀线”🐴🔝，搅得💱🍦一团乱📀♍。Q3：标准PP🇬🇳O在推理🌲🦊训练中🍥🦔为什么会失败🏭✉，具体是哪🥼里出了问题？ ⏏🌬A：标准PPO👩❤️💋👩🇰🇮失败的核心原因🕔🍆是"尾部效应"📪🤨——其内置的🍢打分员（🌠Critic）无✋法在几千步的👨👨👦🇱🇺推理过程中🏓有效分配奖惩信号😛🖲，而是一直等到🔅♦推理接近结尾才😼根据最后🐬几行文字猜测结🏅果，导致整个🍑中间推理🕙过程既收🎲不到有效激励🍟🇼🇸，也收不到📊👮有效惩罚🧘♀️🏝。
在深度科🆕技研究院🧣🚺院长张孝荣看🚝🇬🇺来，Herm🇴🇲✅es给出的是🌖Agent🇬🇱进化的一个方向，🏍⛺即从任务👼执行向认知🙌规划的范式🔢🇨🇭转变📏👀。红果相关负责人🥦🥖的语气不算严厉，🇦🇱但态度明确：⏮“平台必👨👨👦👦🎨须统一规范A📬I内容标准，🌠升级AI识🇭🇰🙇别机制🚆。SPPO的方式是🐎：出题🈚，老师🇸🇩↖根据以往🍏对你能力的👩🔬了解，先🌧🍐预估你答对这道题👍的概率，然♟️后你只作😓💌答一次🦐🇷🇴，用"实际结🏈📩果"减🇦🇽去"预估概率📗👩💼"来判断你这次💽发挥是超🚎🛍水准还是🈲🍁低水准💅。第一种叫🎏🥯"结构化👨🎨📄数据推理"：AI🕎无法正🇻🇺🚽确解读工具返回的👨👧👧复杂嵌套数📎据📡🕠。
