（来源：上观新闻）
更强大的⏲视觉特征提🏃取器、更💢复杂的跨图🇲🇩🇨🇾像对应机制，都可🇬🇸能进一步提🧮升性能👀🏣。在训练超参🇺🇬数方面，研究团🦓🍮队对损失函⚰数中四项任1️⃣务的权重系数进行🌺了网格搜索，最🇦🇹🚛终确定的配置🔭为：区域比较关🥜👩🔬系损失权重0.1☯👀、失真类型识别👒🌏损失权重1🐪🔶.0、严重程🦂度分类⛪👨🚒损失权重0.1、💂质量评分回🌙👩👦归损失权重1.🇦🇪0⚔。
换句话说，它🇧🇻🇧🇾试图解决记🕑🕎什么，但还没有🇧🇪稳定解决怎么👨🌾📴记得更➿🇹🇷好🍘👩。这个差值越大，说⚓明这种能力越能区🇧🇪👩🎤分成功和失败⚱。下一轮工作🇮🇩🇬🇦必须正确理解并🔑🇹🇴建立在前一轮🔩↩的基础之上🥡🇲🇨。参数量高达2📱💞70亿的 Gem🇩🇿ini 👪🚮2.5 Pr2️⃣o（谷歌旗下🕵️♀️最先进的商业😉大模型之一）🔜只有22%的🙈准确率🧳，而随机猜测的🇧🇭👩🚀准确率是2🥛😱0%—🖌—也就是说，G🎿emini 2.😥🇮🇹5 Pro 🕢在这项任务🇨🇰🎎上的表现🐳几乎与瞎猜无🇧🇩🙊异🖋sem广告投放是做什么的。
第三种方🚷🤫法叫合成📤数据SFT，收集🦗每个能🚢🗺力练习场👓🧦景的成功轨迹，然🚵🇱🇨后做监督微🇰🇾调，结果只有💉⏬37.8%🍪。而 GP🛢T-Image-🍼3️⃣2 却带来了一个👱根本性®的转变：让 AI🇦🇼 在画图之前，先🚣像人类一样🤚🅾“思考”👨🏫🔩。吴维斌曾在📭接受《V🐔🇺🇾ista看🧯🎷天下》的采访👨💻🇲🇩时透露，😷原来日均2万🌝的威亚戏，如🚏今AI几块钱🇺🇲✈就能迅速🧫生成，真人的👉付出变得廉价🎚8️⃣。
