（来源：上观新闻）
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🏁。
可到了20🚹✡25年底，成本最🇧🇫低也要50万💳🖼到100万，好🧩演员要提前💡🧞♂️三到六个🌶🧡月去约😂。标准PPO的方式🍼🔼是：出题，你作答💒🧯，老师给整道🇹🇨题的每一行打分🚣♀️，但他🚯因为"尾🎹🇺🇾部效应"🌨而打分失准🚭🚯。十几个ex🗿🤹♂️pert通过on🏮🕖-poli🇬🇹🧐cy disti🧝♀️🤸♂️llatio🖋n合进一个统🙈一的studen🦍🧶t🚟。
