（来源：上观新闻）
在训练🇬🇳🤧超参数🔼方面，研🇰🇿🎗究团队🇨🇬对损失函🕠数中四🌃📠项任务的权重系数🦃😯进行了网格🧙♂️搜索，最终确定的📙配置为：区域比🎟较关系损失权🤭🗡重0.1、🇸🇽🌊失真类型识别损⏮失权重1.0👡🦸♂️、严重程度👦分类损失权🇲🇷重0.1、🌸👩👩👧👧质量评分👩🦳回归损失权重📅1.0🚒。
与之相比，GEP📦A（一种通过优化♊👨🔬提示词来植👨入能力描述🇱🇹的方法🥠）在超过4种能力💆♂️之后就陷🚵🕧入了停滞🥇🙎，无论再描述☪🇳🇿多少种能力，🐸效果不再提升🇵🇼🔕。既不漏细节，🥮也不被🇸🇿🏖细节拖住🤷♀️🌹。TRACE的对🚕💏比分析🧝♂️逻辑与此完全一致⏩🗒：一种能力如果👨💻在成功案例🏃♀️中也经常缺失，可🚏能只是因为👩👩👧任务本身并🇫🇴不需要它，或者该🖥能力的定义👩👩👧👦本身就不够清晰；🍔👈只有那些在失败案🏂例中明显更多缺失🦁👨💼的能力，才是🆗真正的薄弱环节🇸🇮🛏。
每工作一天，都会🏉因为新数据的产🇷🇪👨❤️👨生而变得🌗更“聪明”🍚。董事长成🐃锐表示，公📏👨❤️👨司未来三至五年的🐟战略路径清🈂晰：“深🇦🇬耕塔身✝🌷，引爆☪塔尖，持🀄续加固塔基🥞”🇬🇵🎼。精品化不仅是商🛳🤯业选择，更关乎创🇸🇷作的本质🤡🎲。1M场景下，🍠🚣♀️V4-Pro的🎢单token F🍙LOPs只🇵🇷🦞有V3.2的27🗳🍲%，K🐰👨👧V cach🥯e只有10%🤦♀️🌥。
