（来源：上观新闻）
使用更小尺寸价⚪🎥值模型👐的SP👨🦳PO组合更是🖤😲拿下了所有测🔷🇳🇨试方法中的最高分☑。它们还可以让🇸🇷那些原本缺乏资源🦊或人手📫👒来完成项↕🦉目的小型团🛴队也能参与设😲⚖计工作🇬🇾。每一个专业代⚓理在开🐝🎛始工作时🥪🐍，不是靠"回忆👁💴上一轮对🌲话说了👾🏇什么"，而是先看🧥一眼整个工🧭🇹🇳作区的🎿🇻🇬目录索引（一个🖕轻量的"地图🕚⛸"），然后按😭需读取与自🚄己任务🇸🇳相关的文件，完成🍂工作后再把↙🇦🇽结果写回对应文件🥐。这个解码器由🌱🚛多层 Tr⬜ansforme🌕r（一种强大☢的注意力🍐🏴☠️机制网络）组成🧢，让每⚙🈚个区域的特征同🕤时"看"到🈺对方图片的👳全局特征👩💻🧿，从而学会🏠"我在另一⭕张图片👩👦🇦🇼中对应的区域是🇹🇩什么样子的"🍳。它带来了两个🔳🚔直接后果：对于🏐🔸答对的推理🙆♂️💅链，打分👨🏭员在接近结尾🤬时才给出高分🍉，导致AI的🔼整个推理📏🔡过程几🕝乎收不到任何有👨👧👩🦲效的激励信号🤑📊；对于答错的🐯推理链，打✨👨👩👧👦分员在中间过程中🙂🤟也没有👨🔬给出足够的👍👪惩罚，🆘🏁无法让🅱AI知道哪里出了🐚🇰🇵问题👳。
我们要帮助用户🦹♂️🎦保护数据🧀🌇，让数据私有🖊化💆。这句话乍听有些抽🇪🇷象，但🍽用一个具🏬体的比方🧜♀️来理解就🦶清晰多了↖。在训练超😢🇲🇰参数方面，研究团🍜⚡队对损失函数中四🃏👨⚖️项任务的🕐权重系🌛0️⃣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🇧🇼🤣。现在，有👚🤷♀️人想让A‼🇧🇧I代替人类完成🎵🇮🇳这整套工作，而且🦹♂️🍶是从头到😶🌐尾、不依💞🤵赖人类干预，连🇰🇪😔续工作几十🇱🇧个小时🇿🇲🍒。在Pa🗿perBench🚯🎎上，平均分下♣🌁降了6.41🤠🛠分；在M😊LE-B🧗♂️ench🕗🐾 Li🚼🕤te上，任意奖☹泛目录教程牌率下降了31.🎫82个百分点⛷🥯。
