（来源：上观新闻）
但与 Mi🐗📖djo🇦🇶urney⤴🇸🇦 的极致☺☯风格化、⚱谷歌 Nan📈o Bana🚎na P👨👧👦ro 的 4K🇯🇪 原生相比，Op🧢🐱enAI 走了⤴一条完🇬🇾全不同的路——让🏙图像生成🧾🇳🇬服务“思考任📡🖕务”，而🎷🚟非服务🧻“艺术灵感”🦟。当预测越来越准确💴🇻🇳时，AI训练的稳🌹定性也随之🍛🦃提升—🚚—因为一🇧🇮泛目录最新技术个好的🕊🔳基准让A🏋🎙I能更清楚地区☝😻分"这次是真的👩💼进步了"还是"只🤷♂️是运气好"🇹🇴🤹♂️。
结果表明，在 ⚾😊KADID-💯🔞10k 🐹📢上，基于 P🍂☺ANDA 分👩🚒⛩数的排名准确率达🇪🇺🇬🇵到78🤤🇲🇳.83%，基于比⏏较关系的排名👩🦲准确率达🐫⬜到76🍂♉.90%，🤜🇧🇾泛目录最新技术超过了🔮😂同类开源多模态🥏☯模型（如 mPL🦓◀UG-Owl🎱🐎2 的48.5👩❤️💋👩📪%、L🎂👩👦👦LaVA-1.6👨💼🍄 的57%👨🚒🍀、Q-In🧻struc📀t 的55%🦠）🐠🎥。”问题在😲⚽于，平🙅台需要什么样的内✏容、应该被谁看💔见♋👡。
与此同🏃♀️🇸🇭时，一个叫做 S🤗AM（Segm🇰🇲🔦ent Anyt⚽🙅♂️hing Mod🍫🇨🇭el，即"万能👩⚖️分割模型"）的🏴泛目录最新技术工具负责✅👱把图片中的每个区🌊域自动🧾🇬🇼分割出⛏🏵来，生成对应的二🇸🇽值掩码（也就是👨✈️🙅标记出每个区域的🏆精确边界🥙💕）🐩。PANDA在🥴同类任务上准确率🤫📔达58🔸%，同时🇳🇮计算成💦🌄本极低🛫。
