（来源：上观新闻）
使用更🇹🇯🥃小尺寸🗿价值模型的SP🇦🇨PO组合更是拿下💐了所有测试方法中🇦🇷9️⃣的最高分◀。一位因❎📘事态敏感而要求匿😶名的员工表示，由💁♂️于裁员一😫事在内部已被广泛🦡讨论，这一官🌈⚰宣反而有助于缓💧解一些不确定性🃏⬅。这对普通🙃用户意味着什么？🎡🍒下次你的照片编📞🗻辑软件告💧诉你"这🇸🇦🚕张照片🌸质量比另一♓张好"时，🚭💯你可以期待的是：🌺未来版🇿🇦™本的软件♌🇹🇻不会只给🏏🇬🇬你一个笼统的打分🇧🇧，而是会告诉你🤙"你照片里的人😛脸区域有些过度😽🌫锐化，但背景的清🏭晰度比对比🌁照片好很多，🥠天空部分两🤣🇼🇫者差不多"——🤞这才是真正有🇸🇿🥛用的质量🧪🇵🇹反馈🦍。
V4的做法🌌叫mHC，☠把矩阵B约束到🎄⏫sem投放「双随机矩阵」🙇🇫🇴的流形上（数学🧟♀️上叫B🇵🇱irkh🎋💒off📒📠 pol💢ytope）🦀🇫🇮，行和列都归🇲🇴🦡一化为🏘⏰1🌪。**六🇧🇫、让失🇰🇾真图成🇦🇿🥍为AI的"参谋"☂🐹：链式🧟♀️思考实验*⛵📷* 研究团🧴队还探索了一个有🎅🇮🇴趣的应用方向：把🇧🇲 PANDA 🔺生成的失真图，🍥🧨作为"提示信息"👣🙅♂️喂给商业大🙃👨🚒语言模型 🏵🇵🇬GPT-🇳🇨🚌5 Mini🧢，看看它能🇨🇻🏹否借助这份结构化💆♂️☝的"参谋意见🤹♀️🕥"做出更好的判🙋断🌚。
”他们写🇩🇲道🍿🧘♀️。在GLM-5下📽🌕差距更🌍🛰悬殊：迭代♊🙁代理每任务花费🍐📟54.90美元，🥌AI科学🧕🐈家只需12.🤭20美元🌕。面对分🦏😪叉的任📜📿务，它要么把所🚽有分支塞进脑子里🎌，脑子一🦵定爆，👮🇮🇹要么只走其🇹🇭sem投放中一条，错过🧢其他所有可能🇨🇫🧞♂️。默认配置使用🐋 DINOv2（😟🤚小型版本，Vi😒T-s，38🧮📮4维特征），研究📿团队还测试了🦁🕙 DINOv2🔤（基础版本，🏪🏂ViT-b，7💍68维特征）和 🚒SigLIP（⛅⏲768维🇲🇸）的效果🕸🏤。
