（来源：上观新闻）
**归根结🌹底，这项研究说明🏪了什么？🛐🔌** 这🇭🇲🌲项由华为🇲🇶👫技术（🧀加拿大）团队完成🇵🇬🇹🇳泛站群、发表于 🐐🌝ICLR⌚🇯🇲 202🌙🔮6 的研究🧿，用一种非常🧙♂️💕朴素的🦙逻辑回应了一个🦟长期被忽视的问题🚶🎿：AI评价图😇🖥片质量时，不应该🇹🇫只看整体，因为整🍤🔃体感知🌩🦍是由局🎩🐵泛站群部细节决🚞📎定的，而不是反过🚒🥅来🐓🧔泛站群。短短一个月，🇻🇨万物皆可AI🤑预制的🥉🍺风，从短剧🍶🍵圈吹向了电🚴影长剧圈，AI艺👨👧人从6个暴增了1🕗17个🕸。而这，正是具🇷🇴身智能这几年开始🥁🤽♀️在尝试的事🛤情💰。道理很简单，单个🦑🏄♀️ Ag🥠ent🌿🌷 自己能力都不够🍷🤶，把一堆能力🍦不行的 Agen🛂🇳🇫t 凑到一起做🗿⚗事，等于一🌥屋子干🇨🇳不了活的人开🏤🥁泛站群会，只☎会更乱👨🏫。
这说明"找准🌰🇬🇫薄弱点📬🥯精准训练"🕡的效率，远高🌮🈹于"撒网式地大🛏🎹量训练"🕔👩👩👧👧。但幕后主🏬创团队很快出🇧🇦🦸♂️面澄清，“30🇱🇧00元仅为算力◾成本、团🖋🇮🇶队实为20人🌮😃、作品🎑只是两支短片👦”📘👢。我真的震🇧🇫撼于这🅰些化学反应⚒。实验表明去🇯🇴⚖掉这个机制后🔔，MLE-Ben☯ch L👨👧👧ite的获奖🇹🇷率会下降近32㊙个百分点🏒🇦🇩。
