（来源：上观新闻）
--- 六、👨👨👧👧实验结果：两个基🤭😈准上的表现🙋♂️🇰🇿如何？ 研究团💮🔵队选择了两个互⬆补的评📊测基准来全💤面考察🍧🇰🇼AI科学🇧🇮家的能力🔟🇧🇭。在假图🇵🇦💦检测领🏬📻域，区域级的🎩比较关系可以帮♏🇩🇴助定位图像篡改🎷的具体🧗♀️🇳🇮位置😚🇲🇪。值得思考的是🥊，随着⚡🚋这类系👨👨👧👧统的能力不断👌提升，科研流程的🇲🇫加速和民主化🇨🇾🧹可能比🛣🇫🇲我们预期的更🍮↕快到来🕔🚑——不仅是顶尖机😏🇸🇻构，普通研究🔴者也可能借助类🏥似的系统，以🍷📤更低的成本完成更🔭🇷🇴高质量的实📙⚱验性研究工🌒👹作🇧🇭。
他们在〽🇳🇫乎流量，🚶😻也在乎未来🎿。“我做的是P🇲🇴⬜MF，即🇿🇦📉产品符合市场需求✌。这种现◾象被研究团👩🚀队命名为"1️⃣🍢尾部效应"（T😷🌄ail🇨🇬🏄♀️ Effect）🧙♂️🖋。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💺。
Q2：PAND👩🦰🧹A模型🇮🇨⏹和GPT-4o🛄这类大模🍠型相比有什么优势👨👧？ A：🙆♂️👱♀️强引蜘蛛工具PANDA的🇲🇬参数量↪🐷只有0.📎028亿，🤝处理一🤕🎯对图片仅需3.🇧🇭53秒；而GPT🎂-4o等大🧻模型参数量🇦🇴🇺🇦达数百亿甚至更🛤👩🎤多，且在🇹🇦🇹🇩区域级质量🛁比较任👩⚕️务上准确率🖥▫仅26%，接近随🇲🇺☸机猜测的20%🕟🐷。不过更重😸要的是，许多👳♀️用户在🙁🌱尝试这类📋🐌Agent👨🎤时，并没有清🍰🐡晰的使用场景🇩🇪。
