（来源：上观新闻）
GRPO在使用😓🤠8个样❌本的情况🦃🚷下，综合🦌👨🎤平均分提升🇫🇯🤱至47.0🏖🇮🇪8📙。通过引入失🥃真图这一结构化㊗表示方式，研💐究团队不仅为区域🎍👩👦👦级图像质量评估提🇹🇭供了一套完整的🐽形式化🌊🤤框架，🇹🇨🕵还构建🅾🥨了迄今为止最大🥥规模的区域级配对失真数据🖱集，并🐿设计了一个轻量🤨高效的模型来学🧟♀️习这种图谱💺结构🧺。
在失真🇲🇳类型识别上，🌠🌨Easy 级别🍘🔷中 PAND👹🍀A 达到了78🔍🚁%的准确率，而👩👩👧👧排名第二的微调版🥠🇰🇾 Depict🤶QA+⛵ 达到75🗳🔋%，商业模型🔃 GP🧚♂️©T-5 M💢⏪ini 只有☂🌚49%，GPT👁-4o 是4🧐6%，🌚Gemini 🎆⚫2.5 Pro 🎫是39%，而随💬机猜测只有🐕🎌7%🎙。实验表明去掉这个🛃机制后，M🔻LE-Ben📨🇸🇲ch L🕝ite的🇰🇮😏泛普软件获奖率会👵下降近32个百👲分点🥇。
可以把失🏮🎊真图理解成一🧷🐻份详细的"🇻🇳🌋体检报告"⬆🍣。为支持并💁📂推动这一增长🙊，公司预计⛑到20⚡🔐26年，🥫略高于一半的机器🧤3️⃣学习算🎨🌠力投资👨🏫🌗额将被投入到云业🖐务，以更好📳😊地服务云👓端客户👨🦳和合作伙伴✝。在论文的最后🇪🇭🗒，DeepSee🧶k也表🇨🇽♏示： 为🇬🇸👩🏫了追求极致的🎗🌇长文效😤率，V4系列🇧🇻采取了一个相对激⚒🌝进的架构设计©。
