（来源：上观新闻）
这个难🏴☠️度设定是为🥪👩👩👧了配合后🍴续的强化学习🤧训练机制🏄♀️🇮🇸。先说Hyp🌾🙉er-Conne🔅cti🈵ons⏪（HC），这是🦴✨Kimi团队⛺之前提出的想法🧺。值得特别关↘注的是成本对比🔆。Muon🙁优化器：🇪🇹🤩从Kimi那🈸边借的👨⚖️。--- Q&A🇦🇱🌴 Q1：SPPO👊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，🤾♂️SPPO在训练速⚫度上比GRPO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S🔮PPO只需生成🤸♂️1个🥟。
结果呢？模型给🦐💄出的回答根本没有☕💢涉及区域对比，🔓🤳也没有👨❤️💋👨质量评分，甚至漏😨掉了某些👧🚶♀️区域，给出的是🧩一段对整张图🇸🇯片的笼统描述💟🏉。研究团🇨🇫⚒队通过🇦🇨实验直接观察了这✊🌻个"打分⛽员"的行为，结🧺📝果令人震惊🔥。与上一代I🏆ronwood🇮🇸相比，TP🇸🇨U 8t和🐆🚽TPU 8☁i在单位功耗🥉🔈性能（p❗erfo🇸🇮🍿rmance👩🎨-per-wat🧁💯t）方面🏪⚪最高可实现💬🐾两倍以上提升🖊🇸🇯。
