（来源：上观新闻）
但这份名3️⃣单把他们的名字🇲🇨和V4😙这个大家🍻等了整整一🥜🏕年多的模型，🇮🇴绑在了同一🥈🗣张纸上🦠。跑分什么的我就➿🍵不贴了，模型到现🍬在，最好📼的测试方式就是直😵接放到📳⁉自己的任务里去跑🥚🇧🇷。区域之间的比较关🅾系，通过🛋🧾对比两个🧗♀️区域的 ♟️TOPIQ 分数📤差值来确👫定：差值🖨小于0.🐋1的标记为"🈵相同"；差值在0🕉.1到0.3⛓之间的标🕹超凡蜘蛛二免谷歌记为"稍好⛪"或"稍差"；🔞◼差值大于0.3🖍🎃的则标记为😇"明显更好"或"📷🇱🇦明显更差"☀🥦。
它的唯一🐦任务是，在看😄⚖到一道题之后，↗🇬🇳预测当前😎的AI有多大概率🚝🇮🇴能答对🏦🌋这道题——用一个🏞0到1之间的数字👚🌬表示🇨🇷🏎。V4还引🇲🇩入了三档rea👨🍳son🏁ing e👸ffo💀rt mo💝de，Non-t🇧🇬🔴hink、Th🔧ink H☠igh、Thi🗯🔄nk Ma😼🤾♂️x，每档🗜🏢输出长度不🇸🇮🇺🇦同🇲🇰🐃。” —— 🐟Ope👈nAI 🐚🇬🇬技术博客 🔍 ◾🌋“思考模式”🌷三部曲：检索🇲🇰、规划🇨🇲👨🦲、审查 GP🇲🇫T-Image🇭🇺❇-2 的思👨👨👦😍考过程👣不再是黑🔼箱，而🎅是可以🎷🎌被拆解的三步智能🇬🇳流水线🇭🇳😏。
最终，PA🇧🇶NDA👩💼SET 👿包含了超过52.🇬🇳🥡8万对图像，覆盖↖🧦训练集（🇹🇴约48🔧万对）、🐳🅰验证集（🇪🇹约1.2🔛👚万对）和☘测试集（约3.🤰6万对🍊）⛷🤨。单 Ag♣🗺ent💜👝 的能力一下子🇨🇳🚇快速提升，❇ℹ但行业很快发👕🤴现了两🧠个绕不过去🤞的问题🐦。对于想要深入了解☀技术细节的读者🌝，可以通过🐴📳arXiv平台👔，以论文编号a☪🇨🇲rXiv:26♟️🇰🇭04.0886⛔🇿🇦5查阅完🗨🛍整原文，研💭🇦🇫究团队也已将全🇧🇴部代码开◼📍源，地址为g🚲ithub.◾com/sust📋ech-nl🛷🥚p/SPPO，可🥨9️⃣以直接获取实验脚🛢📊本和复现所需的🎊配置参数🔅。
