（来源：上观新闻）
对着空🈯⏬气，和对着真人🇰🇪，两种表演🌍模式之间的差🇰🇳🇺🇿距，技术是难以🇲🇴🧨弥合的👨🔬。与之相比👮♀️，GEPA（一种🇨🇷📵通过优化提示🇳🇴📔词来植🇵🇱🤣入能力描述的🦄🇦🇮方法）在🌼超过4种能力之后🐁🎗就陷入🚦🍒了停滞，无⏮论再描述多少👈种能力，效果不再🏬👩👩👦提升🇨🇬。
”真正的繁🤷♂️荣，需要审🇩🇯美与创意🎶🗳的全民涌现🦍🔬。性能方面，SP🎠🕕PO不仅没👂有损失，在1.🛤🌱5B和7B两种👩🏫🚵规模的模型上，S🐃PPO😾的综合平均分💳都略高于🔷🍟GRPO（🖕🇬🇸N=8）🎽🎧。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👬。
系统首先将💕💚两张图片各自分解🇮🇱成若干个区域（比🦐🙍如人物、⏪🤜天空、🍔背景、物体等）☦，然后对每个区😆域建立一个"节🔙点"🤲。与此同时，这个🇬🇼价值模🚟型用一种叫做"🌙二元交叉🎋熵"的方式🏒🇮🇸训练，本质🎅🇮🇳上就是让🤬它学会更准🇹🇿😬确地预测题目难度👽。GRPO🇬🇸因为每道题都需🌆要生成8个👨✈️答案，训练进🇭🇰程推进得很慢🚖👜。
