（来源：上观新闻）
从爱奇🗂🚞艺八年来😦😓跌得一地🌄桃毛的股💅💚价，就可以感受到🍠影视寒🇲🇫🦶冬有多🛍💝冷😭。token🥧🚇izer仍用V3💖的128K👨🎤词表🎲😄。论文通过可视👩👩👦化实验直接观🍖📂察到，正确和错误🅿推理链的👗🛩价值曲线在中间🔉🇨🇽阶段几乎完全重叠🧺😅，只在结尾附近🇸🇰🐎才分开🇲🇦，证实了这一🏊🏏失效机制🇨🇳0️⃣。
研究团队用🌩🤡数学工具✅仔细分析😞🇱🇦了GRPO的运作😕🇲🇱机制后🇦🇲发现：GRPO🔥🧐之所以奏🙌🇹🇩效，并😄不是因为"多采样🏀"本身有😛👈什么神奇之处🍪🇺🇲，而是因为它在不🇬🇩🧹知不觉中把整个🥬🇧🇹推理任务从一🔬种框架切换到⏮了另一种框架👨🍳。
PAN👤🇫🇲DA 展现出了最🍽👀小的性能下降幅度🧚♂️，而部分商业🦇✋大模型在🎠 Ha🚈🐙rd 级别的严🇶🇦重程度🔂分类任务上⏸🍦甚至下滑到了低🦐🖋于随机猜测水🧥🐁平的表现——这说💎🦙明在面👄🌤对复杂混合失真场📚🦢景时，🇨🇮这些模🌦型完全🇰🇵"迷失方向"🇲🇬🚋，只能靠"惯🇦🇪🇸🇭性"输出一些听起🌄来像样但实际上💝随机的答🇹🇬🕸案🐖🕷。
