（来源：上观新闻）
相比之下，直接在🤷♂️📕目标场⌨🏺景里进行G🚿♣RPO训练的曲线🍪显得波动起伏🇬🇫🔣，甚至♾️🙍♂️在3840轮👨🦲次时出现了下滑（🏰🥑从37.8%🗞✅跌到35.4👨👧🤤%），最终停🍓留在37.8%⚖🙂。更重要的是，🐑他们通过大规模实🏉验揭示了😘🌐当前最先🌶🇱🇦连接蜘蛛进的多模态😯大语言模型在⌚区域级质🥦量理解上的🏐⏹系统性短板👨👨👧——即使是🐯 Gemi🎌🎪ni 2.5 P♍ro 这样的📀🔦顶尖商业🍔🇨🇴模型，在这类任务👨👦上的表现🇾🇪🎸也接近随机猜测🇹🇹的水平👩👦🍮。彼时“🇳🇪🐺顿顿离职🧤⏫事件”⛵就有业〽内人士分析⏏🤯，表面是合🍐📊约到期，背后其🍟🕐实是直播🥮🧐行业个人I🎤P与机构🇪🇸⚓管控的深层⌚矛盾🇵🇲🐁。
这位老师不会🎗随意给🤴学生布置👴题目，而是先仔♐细审阅学生🥼的历次考卷，🎨找出错误👩👧🍻背后的规律，然后🥵专门针7️⃣对薄弱知识🙌点设计练习🚁☯，最后在正💽式考试时，☝❄根据题目🇸🇿🍞类型自动😊🥙调用学⚱生最擅长的解题策🇿🇲略🐛🛑。实验数据显示🇲🇰，SPPO🏈大约在2🐗2小时内就能达到🇰🇪约58分的☀峰值水平，而☑GRPO等方🏨👨🔧法需要明显更🥍长的时🍉🥫间才能达到可🎩👩🏭比水平🇳🇬🐻，整体速度差距🍧约为5.9🐓倍🐔。
走出会场，📉😄早晨的阴🧂💳霾已被一轮🚠🤹♀️骄阳替代🇩🇰☯。PANDA🐵🏵 使用8🌩🇵🇸块 NVID🇯🇴IA 🧛♂️V100 3🎱2GB 显卡训练🐷🇪🇸，批次大小为6⏹，总训练时间🚆🤣约1.5天🖊，使用 Adam🧾W 优化器，学🤽♀️习率1e-🥅🤧4，权重👨⚕️衰减0.🤴01，👩❤️💋👩共训练🎱🇨🇫30轮💆🔬。第二步，OP🙆♂️D合并🌇。AI助手先在💦目标场景中实际工👤👩👦作一轮，积累🇬🇼🗼一批成功和失败😣⚫的任务记录🇫🇴🌉。
