（来源：上观新闻）
研究负责人陈博远🙅⚙更直言：🇧🇷👛“GPT🛸-Ima🛹⛽ge-2🧟♂️👨👦👦 是图像的 🇼🇸GPT——一个可🚚🧁以处理任何视🇲🇵觉任务的通用🦋模型🍶🥃。六、这套系统背后🕒的数学逻辑：👷🇱🇦为什么"对比分💀析"比"失🤓败分析"更♨🇨🇩可靠 研究🇨🇲🧐团队在设🍏计能力识别算🇺🇾🇸🇪法时做🀄◼了一个很关键👩👧👦的设计选择：🇬🇮不是只看"哪些🙃能力在🌚失败案例中缺失🧱"，而是计算"🕍🇳🇪某种能力在🍪🐂失败案例中🇺🇾🐛缺失的频率📪，与它在成功🇲🇭🥒案例中缺失的频⛹🎥率之差"🇷🇸。
这种"回归均🛂🦀值"的🤾♂️👳行为实际上对训练📪是有益的🔫👨👧👦——它🇫🇷不会因为过于📬自信或过于⬛▫悲观而产🧹生扭曲的训练信🇦🇩🕵号，而是🖤🇲🇦始终保持一🌨🕤种适度👩👧👧的不确定性，让👩❤️👩真正的👨🚒"超常发🏇👵挥"和"💋💘出乎意料的失🇬🇶误"都能产生足够🔄🦈强的纠🇰🇼▫正信号🕞。
研究团队还测试🇨🇲🇨🇦了两个基线🚉🐞方法作为🎦🥽参照：线性探🇨🇦针（在 D🍆🇬🇼INO🍽🤙v2 特征上直接🏒套一层线性分♍🔣类器）和注✍👩👦意力探针（🚴♀️在 DINOv🛍2 特征上套🕕一个带交叉🇽🇰🔻注意力🙋♂️🐪的 Trans👗🍑former 模🗾👷块）🌅🇲🇱。
