（来源：上观新闻）
说到底，T🥣🎿RACE做的事🚞情并不神秘👒🤡。在选中🇵🇰🤣的这t🚎op-k🦋◻压缩KV块上做🤧Mul🐵🔗ti-Quer🦂y Atten👵🔡tio🆙⛓n，得到注💑🤪意力输出🤥。继续用，针对mH🐄C做了调整7️⃣👰。这背后的🇪🇹🏳原因有两个🏑🇭🇲。当AI作答完毕📎，得到"对（♦🇮🇹1分）"或"错🇵🇪🇭🇺（0分）🍅🇫🇲"的结果🍝🤧后，SPPO用🥒🥦一个极简的😯🎋公式计📉算优势信🇳🇪🙉号：实际结果减🔑去预估概率👨🦱。
这两个🤡🍻基线的结🧸💉果表明，🇹🇲💟单靠 DI😫NOv2🇵🇦🍍 的预训🇨🇽练特征是远远不够🇱🇻🖼的，PA🌭🚢NDA👩🏫 中专门设😑计的退化解码器🇼🇸🧲对最终性能🌨的提升⛸👎至关重要🗑☢。**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、发表于🤨 ICLR 20🕑26 🛒Ⓜ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🌥🧛♀️部细节决定的，而🇹🇱🎂不是反过来🇮🇪🥂。
