（来源：上观新闻）
对于人工合成🇩🇲✊的非天气🇲🇨类失真，研究团👨🎓队参考了🗽此前学术界的🇰🇾经验；对于雨雪这🥓❤类天气失真⛴🇷🇴，他们使🍿🇱🇰用了真实👪的雨雪叠加素🇬🇮材；对于雾霾，他⏱们通过调整大气🇳🇵散射模型的参数🌴来模拟🚖👲不同浓度👨🚒的霾🌀。但我觉得🌁💱下一个真正能打开🇵🇼想象力的🧪地方，大概🚈率不在单体能🌬力，而在于 A🤝📫gent 之间怎🔳🇵🇱么协作🎌。在几个对比方法中😀🏣，直接🧥在目标环🕵️♀️境里用强化学🔺习训练🚇的模型（G🇩🇴RPO 🏐on Tar🐷get）能达到🛋📱37.8%，一💔种使用通用🌵合成环境训练🗾的方法（♻AWM）能达🚮到38.4%🇸🇦，而一👩种通过优化系🤡统提示词⭐来植入能力描述🤓↔的方法🇪🇭😋（GEPA🚣♀️😟）能达🚨🤚到39.6%🖍。
比如用户想🐝订一张下午两👨👨👦👦点以后💜🚔的经济舱机票🆒，查询工具返♑回了各舱位🦗🇯🇲geo与seo的区别的票价数组，AI🇹🇴🧞♂️却读错了🏉🧛♂️哪个数字对🚞🔅应经济舱，导🔥致反复支付失败🇩🇯📁。Q-Ben📤ch 🇪🇦👩👩👧👦等工作侧🧙♂️重于单张图像的整🈵体质量分析🍛🙀；DQ495🇧🇷K、MI🙎👨🦲CBen🔫ch 等工作虽然🎉涉及图像对💯比，但不是🚍🛍以区域🚘为核心🏄出发点；Sea🧐gull😟、QGr⬅🍁ound、🇨🇾☃Groundin🍎g-IQA 🐢等工作虽然涉及🉐区域级分🤲析，但只🌡🕠针对单🦴🦄张图像，不支⏰持两张图片🙇🇬🇸之间的🎀🛒区域级比较🎻。
