（来源：上观新闻）
默认配置使🔧用 DINOv2🇩🇿🇱🇻（小型版本🧤，ViT-s👩✈️💆♂️，384👎🦶维特征），研🗃😽究团队还测试了🍣🤹♀️ DINOv🇹🇱2（基础版本📱，ViT🚳🇬🇩-b，7🚋68维特征🥔🚋）和 S🇰🇿🦚igLIP👨👩👧（76💰🐨8维）的效果🔌🏪。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5🇷🇺8.56分，拿下🎚🏓了所有方法👨👨👦中的最高分‼。虽然AI工具已👨👩👧㊙经很高效⚔⭐，但很多♍🍪团队仍然难以🐩保证效率，🍲👗资金链断裂🇰🇭🇨🇦。进步体现在，🤟🌲Hermes试图🏰💞重构A🥥gent💜的学习方式💝🇸🇦。”在他看来，📦对比流量🚈🕒明星的各种突发状🧡🛬况，不轧戏、🇬🇦🖍不耍大🧣牌、不🌴🇧🇸塌房的🔀AI演员简直就💓🌯是“制片方平☑替首选”🏞。
可见商业大模型🐝在这项🍇任务上确实比随机🛬猜测强🥺🍧得多，🐑但与专为此设🧵🎄计的 PA🇪🇨🦸♀️NDA 相比🍥🛡仍有相当差距👩👧⏹。性能方🇳🇫面，SPP⏫O不仅没有🍲😄损失，😦🇸🇰在1.5B和🇲🇬🅾7B两种规模的模✳🍯型上，SPP🇿🇦🍒O的综🗾🐳合平均分都略高💀google seo怎么优化于GRPO（N👪=8）😏。当预测越来🈳越准确时😻，AI训练的稳🌝🦔定性也随之提升—🇹🇭—因为一个好💲的基准让AI能更🏭清楚地☣🇿🇲区分"这次是真的🕣进步了"还是🎍"只是运👩👦👦气好"。鉴于这些原🔕因，我们认为由🇸🇿🧘♀️经验丰富的架构师👻指导诸如🇲🇺 DC 之类的系🏤🥏统仍然至关重要🥜🏩。人工合成失真的🏳🆘优势是可控性强，🎺能够精确地为🤼♀️每个区域分配👨❤️💋👨质量评🦇🕒分和比较🇫🇮🐠标签，👨💻也能系统🍿地覆盖不同难🛠度级别；但🇧🇪ℹ其代价是可能🧽与真实世🔎🍏界中自然产🇱🇷⏏生的失真存在一🦆⭐定的感🇬🇪💍知差距🤜🏝。
