（来源：上观新闻）
从V2的🤷♀️❤MLA开始，〰每一代都在🇲🇽🌗删KV c🇳🇦ache🚢、删激活参数、🤾♂️♿删注意🎼💫力计算量📼🌍。实验逻🐱辑很简单：对😕于一对图片，🤝🇹🇲PANDA 生成🇧🇲两张图的📊失真图，然🍫🐼后用一个😷朴素规🇸🇧则来做整🇲🇫🤜图排名——如🍏👲果某张图中更多区🔰🌄域的质🥓🐅量评分更高®🇦🇶（或者🏴👳♀️比较关系显示😎🗼更多区域🇲🇬⚠更好）🧁🎂，则认为该图⛔🥭整体质量更好🇽🇰🗿。
结果表🇵🇳明，在 KA🎒🏴DID🐕▫-10k📗🇨🇬 上，基于 🥢PANDA🐿 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♐%，超过了🍤🇩🇪同类开源多模🤒🇹🇻态模型（如 m🗾PLUG🕠-Owl2 的🇺🇾🍮48.5%💍💢、LLaVA-1👨💼⏹.6 的57%、🚑🍟Q-Ins👸🥐truct 的📆55%）🇰🇼👖。
正是为🤙👩🚒了解决♣😘这个问题，🇳🇫〰华为技术（↗👩🎨加拿大）的研究团🗳队提出👨🦳了一个全新的思路😳🍈：与其让🙇♀️AI笼统🗜评价整🦉张图，🇦🇿不如教它像🤴真正的专家一样🅾🦸♀️，先把😶🧠图像拆解🦷成一个个有意义🍥google加速的区域，再针🧫对每个区域进行细☕致的质🐋🇸🇴量分析，最后通🦒🇵🇬过一张结构化🧼的"关系图谱🗼👩🔧"把所💆♂️🧰有信息整合🏐起来♌🛵。
