（来源：上观新闻）
它只优化2D参👕数矩阵，其他参数🥏🇬🇩（em🇭🇺⚛beddi👇ng、pre🆘💃diction🇩🇬 head、RM👩🌾😣SNor😯👨👩👧👧m权重、m🌬🇲🇳HC的静态偏置🕯等）还是🇧🇴◽走AdamW🤔🈚。第二个，单一🇩🇪🎖 Ag😝ent 会有自😻己的思考🇧🇯🐍盲区👩❤️💋👩。A、B、C是三🇾🇪个线性映射📁。听起来很合理🤾♀️，但问题出在AI🐾🏓推理的特殊👨👩👧👧👨🎓性上⚖🇳🇺。
分析过程分为🔌两个阶段😶：先是"发现阶段🎵"，分析AI📹通过检查所有记🇾🇹🏯录中的工具调用↗💈、工具返回结🛰🏕果和最终🇮🇹回复，归纳💄📎出一份候选能力🏆🤤清单，🃏😆并为每种能力起一😚🧞♂️个固定名称和描🔴述；然👳👝后是"🌭标注阶段"，分析🇰🇳AI拿☸着这份清👨🏭🏨单，逐一检查每❔🎲条任务记👴🗜录，判📨断每种能力在🇺🇳这条记🤝🇧🇭录中是"不需要🧪"、"已正🎎⛳确执行"还🔳👩👩👦是"本应执行却没👨👨👦🏙有执行"🇬🇶。
最终，PANDA🚡SET 包含了超🈴🚇过52👢🇵🇲.8万对图🇲🇦像，覆盖训✋🍨练集（约48万对🍕）、验证🚝📙集（约1.2万对🇧🇪）和测试集（🛁约3.6万对）🇨🇨。通过自注意力机1️⃣😿制，解码器🏗🚁先让图片内部🤸♀️💅的特征相互交流；🇦🇺通过交叉注👜意力机制，再📫🏄让区域特征与对🇹🇬方图片的特🐣征进行对🦄话⌛。
