（来源：上观新闻）
过去，训练一🐔个70亿参✈🕶数的推理模型👨🦰需要同时加载一个🍹🍹同等大🤢😬小的打🇹🇨分员，⚠🎄内存压力极大；🤵而SPPO🧰允许用一6️⃣个小十倍的模型担📐任价值预测者，让🌏更多研究者能够在🇦🇫🌉有限的计🚆🥘算资源下开展🌲📩实验🧁🇦🇨。
最终，😜PANDASE🧀T 包含了🐌超过52.🧓🍾8万对图像，♨覆盖训练集（🛰🇨🇲约48万🔰🎋对）、验证🧀集（约1.👨❤️💋👨🇰🇪2万对）😡和测试集（🇯🇪约3.6👩👩👦◻万对）🎽。构建由人工⏺标注的区域级🔽比较标🧑签数据集，将💟是一项巨大🕳但有价🚰值的工程👨🦳。
研究团队还提出了🦂🇬🇧一个有趣的未来🥑💘方向：把失真图作🏸为推理链的中间步🛩🇷🇺骤，让🇲🇴🥝模型先生成失👾☯真图，🇲🇦再基于失👊真图给出最终的🌀自然语言描述🧨🚿。人工合🇮🇲🤴成失真的优🇭🇺🇰🇳势是可控性⚠强，能够精确地为📙每个区👨👧域分配质量评分📍🎁和比较👸⬆标签，😣🇸🇨也能系统地覆盖不🎻同难度级别🕋；但其代🤔😿价是可⌚🐺能与真实世界中自🦶🛷然产生的失🇰🇷真存在一定的感知🏚差距🇨🇽。
