（来源：上观新闻）
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🎹。还有人💚🎼贴出了一👯张信封的🐫🐺图片，上面🏈😳写着，💔🙏“收件🎇🇧🇦人：大象”🐸👡，以此调🎄👩👧👦侃公司👨🦱终于公开谈论此🧔🎛前被回避的裁员🔊问题🆖。结果显示，这个"🇨🇦小个子"🇸🇾组合不仅正常⬆工作，还取得了🕊所有方🏐👾案中的最🐝🇲🇲高测试分数，同🏖🇨🇫时把显卡内存占🇨🇲🛴用从91.5%😦降低到78.🇳🇪🤐7%🇹🇻。
这种"先🐟结构化、再语💡🧧言化"的🌺路径，可能比直😳🐕接让语言模型输出🔙🔄区域级分析更🍸加可靠和可控🍯。研究团🎸🇫🇯队将AI❇科学家🕠与非层级🧛♀️👩⚖️化的简单🤵代理（在Pap🎫🆕erB♓ench上对🧘♂️应Basic😫Agent，在M👮🛶LE-Be🇪🇹👩🦲nch❌👩🎓 Lite上对💩应AIDE🍤🤶）进行比较🔲🈚，发现即🇬🇺使是去掉🗃文件即通道机👮♀️制的"残缺版"A🍌🌪I科学家，🐵在PaperBe🦜nch上仍比Ba🥢🕖sicAgen🐼🔟t高出4.74📄分，在MLE-🔓Bench Li⏩🇮🇨te上的"高于🚴🎑中位数率"🧦和任意奖牌率🍗也分别高💽出22.7👴3和9.09🔥个百分点🤦♀️🐪。
