（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📆1️⃣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🇪🇭。
这印证了"尾🤮🇨🇬部效应"的🇴🇲危害——🍰🏏错误的训练信🥽号不仅没有帮🧷助，反而起到了🐤负面作用🧂。Verk💦or.io的🔥联合创始人Sur🇵🇱esh 🔴Kri💯shna🇳🇱表示，团队的核🔱心论点是，😙⌨这种方法🤪🧚♀️比仅在🇮🇲整体设计流程中🈹🤹♀️使用专门🍫的 AI ✡🇦🇺系统来完成💂特定任务更⛑🌝有效🤛🚑。
