（来源：上观新闻）
评分维度🎁💝包括代码质量、🎾☪能否成💸⛈功运行，以及🗳🥩结果与论文的吻合🍣程度🇳🇦🍣。失败覆盖率的🍦🇨🇼分布也非常🏢集中：®🐔"结构化数🏎🇦🇶据推理🇷🇪"覆盖🥵🦟了约41个🕘💿失败案例，🙅♂️🐱"多步骤任务📯完成"⚜覆盖约25个，"🤑☎前提条😃🐖件验证🤭"约34👨🦲♏个，"🇬🇶工具调用精❓🦉确性"约20🕤📱个，而其他被🌋淘汰的候选能力🈳大多只覆盖👭10到15个案例🇮🇱🤑。
V4的做法✏↔叫mHC，把矩阵☺🇧🇾B约束到❗「双随机矩阵🚎🧱」的流形上（数学🏍上叫Bi🔻rkho💀🍌ff polyt🍵ope），行和☝🏬列都归一化为1🇫🇴。这个发现让🏣研究团队🌍想到了⛄一个问题：既然🍔框架切换才🤽♀️🇬🇷是关键，我们🇸🇽能不能在保留🦜这个框架的同🅰📁时，摆脱多🇦🇩采样的高昂代价👻？ *☘*三、👣🇧🇶SPPO：用🈺一个聪明的"预测🤸♂️员"替代一批答🤯😄案**◼🎱 基于🇮🇳🇹🇬上述洞察，研究🍜团队提出了他🍢🖋们的新方法：S🦴PPO（序列级近💷端策略优化👱♀️🕴）💦💔。
通过剔🦚🏙除冗余设计，在特🆘🏑定场景中将产品做🌨到极致可靠、成本🍨最优，是🗾🐞公司认定🇨🇬的跨越商业化“6️⃣最后一公里”的正🈹道🔯⛔。我们将回🤐顾最终Ver🇦🇨👩❤️👩Core🥞📓的关键特性🤫🙋。就像一🚹张照片整体偏暗（🗑⏱所有区域都受🇵🇲🇮🇴到"变🇺🇾暗"效果的影响🌨），另一张🇺🇳📘整体有噪点🍗🤾♂️（所有区域都有噪😖🇷🇸点），系统需™🧙♂️要分析各个区🎯域的情况并进😈🛍行比较🅰。
