（来源：上观新闻）
实验逻辑很🇲🇫🇷🇸简单：对于一🔌对图片，PAND🍔🎥A 生成两张图🦸♀️🧾的失真图，然后🏋👑用一个朴素规则🧱✋来做整图排🇳🇨💹名——如果👹某张图中🚥💿更多区域的质量评🈷分更高🤥🇬🇱（或者比🔈较关系显示🐮🗯更多区域更🥄🐝好），则认为🇦🇱该图整体质🌿量更好🔇。DC 🔋对许多测试程序都👩💻🛏进行了此操作👉👩👩👧👦，包括 MD😷🇰🇼5 测试以及最🤮终的 C🖲oreM🔰ark🆙 测试🇲🇿。
为了确🇲🇽认SPP🌖O的优势确实来🙉自其核心设计🇿🇦🇹🇨思想而非其🍆他因素，研究团队🇿🇼😞还做了🉑一个对照实🤷♂️验：把SPP👨🎤❌O用来💠训练价值模型🐕的方式（二👜🛤元交叉熵损失）💼直接嫁接到标准🏇4️⃣PPO框架上，其✖泛站群他一切🦷保持不🥖🌉变，命🥖🇯🇲名为"PPO 📺💜+ BCE"🌭。
