（来源：上观新闻）
前三个头🕠使用交👩👧👧叉熵损失函数（适🇨🇬🎄合分类🇱🇮⛄任务），第四👌个头使用L1📻🇧🇱损失函数（适合数❤值回归任务🥟）🇨🇬。这项研究的价值在😡于，它🛐📅提供了一套💪完全自动化的系统⏱，不需🤦♂️😍要人类🇺🇲专家坐在旁边一条🚘🇧🇳一条地分析🐍📠AI的失败原因🆙，而是让🙃🈁AI自己完成🥪🇰🇼这个"自我诊🧦断"和"🇳🇦🎴自我补课"的🔽👒过程🐊🐺。
每一个人都算数，🦕每一天也都算数🥼。结果显示，🛋4层是一🎽个甜蜜点——既🇦🇷足够深以捕捉复杂👤🇬🇸的跨图像区🇻🇨💪域对应关系，又🌃👘不会因层数过多而🐬导致过拟合或🦅😑训练困难🇬🇩🗯。
相比之下，直🧯接在目🙇♀️🇲🇶标场景里进行GR🚨PO训🔗🎭练的曲🇲🇾🚈线显得波动✉❎起伏，甚至在3📼👍840轮次时出🗻🥂现了下滑🔹🏎（从37.8%跌👩✈️到35🕯.4%），最终🔡🍿停留在▪37.8%🧖♂️。
