（来源：上观新闻）
第三步是"🇲🇼🤺针对性强化🥪训练"🧺。姚双告诉记者：♐“不像大公司🌂业务流程和🇲🇰🍌决策流程很长😹，小公🤼♀️🚽司非常快速🍞，这是很便利🤨☺的地方㊗。🧠 ♦“图像🎣是一种语言，📲而好的视觉🇪🇭👩🎨表达需😛要选择、组织🐜🎭与呈现🥧。为了确认🍔SPPO的优势😍确实来自😐其核心⬅🤦♂️设计思🥩🥥想而非其他因🌇🤲素，研究团队还做🚍了一个💒对照实验：把S🌉👙PPO👶🕟用来训🛳⏯练价值模型☕的方式（二元♟️⚗交叉熵损失）直😔🧔接嫁接🛥到标准PP👨👩👧👦😥O框架☸上，其他一切保🗺🧛♂️持不变，🇸🇲🧸命名为"PPO 🥉🐒+ BCE"🦆。
" 结果🏴☠️🧴显示，加入失真图🥫🚇作为背景🇨🇲🎬信息后，GP🧯T-5 Min🇩🇿i 在 E📦asy 级别的🧔🌍区域比较🇺🇬泛目录准确率✖🏃从31%提🇹🇷🍏升到了🍸🚹52%，失真类型🐌🐯识别准👨🚀确率从49%提升🔨到了67⚙%，严重程度🔋🦒判断准确率🇲🇬从36%提升☄到了51%，质量💀评分相关性😇也从0.09📊🅾提升到了🇦🇴0.52💶🌤。结果表明🎅🌽，在 K⛏ADID-10😛k 上，基于🇫🇲 PANDA😳🇼🇸 分数的排名🤦♂️🇰🇭准确率🤱8️⃣达到78.8🇹🇫6️⃣3%，基于比较💶关系的排🇪🇺名准确率🌨👩👧👧达到76.9🏡🚖0%，超🍺👪过了同类🛐开源多🥊🇦🇺模态模型🖲🏑（如 mPLU🆕📳G-Owl2 的6️⃣48.↖5%、L🔃🇧🇸LaV🦜A-1.6 的5🇦🇹☢7%、Q-In🤮😂str🇸🇭🥌uct 的🥶55%）☮🌓。
