（来源：上观新闻）
--- Q🕞&A Q1👞：SP↕🧧PO和GRPO😮相比，训练速度🤹♀️🤧快多少🕕，性能有没有🧰🌰损失？ A：🈶🥙根据论文🍹实验数据，S👈🕔PPO在训练👩👦👦🇸🇭速度上比G🧶RPO快约5.9🇮🇪倍，主要🎠原因是👨👧👧💇♂️GRPO每🎌道题需⚗要同时生🍏👶成8个答案🇳🇵，而SPPO只需🍴生成1个✉。
AI必🦓↩须像一个经验🇩🇯丰富的工程师一🐴样，从不完整的描🍺🖼述中推断出缺🇩🇬失的决🎇策，必要时还得🧞♀️📠查阅相关🐌⚡文献或公开资源🌡来补全😅。GRPO🏯〰达到57🤤🈚.44🇩🇪🌾分，SPPO达到🈯58.11🚏👩🏫分，配备小尺寸🧙♀️🔞价值模型的🇪🇦🍇SPP⚡O组合更是达到了💣58.🐏56分，拿下了🇱🇻所有方法中🧥🦄的最高分➡。
在深度👨👧科技研🌚究院院💻⛲长张孝荣看🤹♂️🌤来，Her🇲🇷mes给出的是🇬🇷😅Age🐚nt进化的一🥁👘个方向🌸🦊，即从任务🍒执行向♨🚕认知规划的范🥪🅾式转变👠。工具供应🇻🇦商将能够专注于算💡👞法质量，🕹而无需耗🏅费精力在界🇭🇷👨🦳面设计和确保用♌🏳户操作简🧠🦂便性上🇹🇭。
