（来源：上观新闻）
而且，最新🌪😾技术通常🇩🇿需要多年时间和巨🇮🇶🍟大的工👴◀程成本才🖲📺能最终🧜♀️🦏惠及消费者🧚♂️。以最简单的 🇲🇰Easy 级别为🇨🇱例，PANDA 🇦🇽在区域比较🍅🈚任务上的准😛确率达到了58%🏧，而开源的🤱蒸馏专项模↖🙏型 Dep🈴🐆ictQA9️⃣ 只能在用🙋🎱 PANDASE💽🇭🇹T 额外训练后🚼才达到4🗡👩👩👦9%，如果不额外🥮训练则根本无法完🙎🕌成这项☪🧷任务🇹🇯↩。十几个e🇮🇷xpert通过🌆on-polic🥖🐟y dist🐻👥illa🌠🏣tion合🌩进一个统一的st👩🎨⛑udent🌇🚂。
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🍡🧀。面对这一困境，🎈另一个流行🐵😹方案应运😜而生，🦄叫做GR🇦🇹PO（群组相对🎦👨🦳策略优化）🐠。在盖尔发布的内部🇫🇴帖子下，🗑一个被大量🌬⏲点赞的评论是一张🇹🇱🥤大象的👩⚕️图片，暗指领导🇮🇴📆层终于“正视🏃♀️🔠了房间里的大🌶😂象”(即长期被回🔸避但显而易🐐🇿🇦见的问题👢🕘)💒。
