（来源：上观新闻）
对普通用户而言，🇹🇹这意味着🧖♀️🖌可以像委🍣🧡托设计师🌟一样下❄🍫达复杂指令；对产🤑🌠业来说🥟👩🎨，这是将视👨👩👧👧觉生产从劳动密🙍♂️☎集型转向认知智能🧨驱动的🇨🇨🇦🇽重要里程碑🧤🍈。面对产🥿🏊能与质量的反🇬🇮🇨🇳差，平台👨🌾🐓们选择了同一条路🤰🇿🇦：成为创作者的“🥈基础设施”👒🧾。研究团队使🏛用了一个名为 D🏤INO🏬🥭v2 的预训🤟🆖练视觉模型㊙👿（可以🈂把它理解⤴🍬为一个经过大量图🥨片训练的🍬🗜"看图专👩👧家"），将输🇺🇿👨🌾入的两👨🏭🍶张图片分别🌍👦转换为包含丰富视🔻觉信息的特🍧🍬征矩阵🇦🇲🧖♂️。
Sures👩❤️💋👩👚h K👶rishna ↖🔨对此表🇨🇭示赞同，👜⛰并补充说，随着👨🌾智能体系统处理⤴更复杂的设⭐计，Des👵🏐ign Con🥌ductor🔔🇬🇬 的蛮力方😯🇷🇼法可能会变得效率☺低下🇪🇨。但如果能拆出🐔🚰多个 📣🇮🇨Agen☝🇸🇳t，分🌏🍓叉的时候让子 A👨🎨🧩gent 🛬各自探索🕺🏂不同方向，流水线🚋👨👨👧的时候让不同 🛍🇬🇸Agent 负⤴😧责不同环👬节，主 Age⚙🚢nt 管总方向📵🧟♀️，整个执行过🇦🇨程就会更快，也🤺🎦会更稳👾🌨。
第一步，训do📴main spe👐🔇cialist🍵🎾。数学、代码、a🛳gent、☑指令跟✋随四个领域，各🇼🇫自独立训一😢🇷🇴个ex🌖pert🥨🏗。这不是🇲🇫google用什么加速软件其前代大模🌶🧴google用什么加速软件型WALL-A的🎉🦡升级版，而🌰是一次从📢底层架构到训练🖊❔范式的彻🇨🇺⛴底重写🤖。主要评估指🇺🇬👨🚒标是"📗⛷任意奖牌获取🦇率"（Any 😓Medal%🧛♀️），即在全部测🥶🚫试任务中，有🔒多少比例能至少🛥获得一🇷🇪枚奖牌👙🧚♂️。
