（来源：上观新闻）
这一定位意味🇻🇳😙着，这项🏆研究填补了一个明🕰🚅显的学🌂术空白，🇩🇯并为后5️⃣🐎续研究提🇧🇬供了一个清👨🦳晰的评估框架👈。实现上用Sink↔horn-🇨🇲🚉Knopp迭🐰🥑代，交替做行归🇱🇮😙一化和列归☝一化，迭🌮代20次👩✈️收敛🇸🇰。在训练⛳✋超参数方面，💻👼研究团🚓队对损🕒失函数🇷🇼🏡中四项📷任务的权⏱重系数进行👩🏭🗞了网格搜索，😝最终确定🙆♏的配置🔽👽为：区域🇨🇺比较关系损失🛶🌮权重0.1、失真🚷类型识别损失📴权重1.▪🏺0、严重程度♐分类损失🚩🐕权重0.1🌋、质量评分回归🤼♀️🧘♀️损失权重1.0🚠。与之相比，🔌🥃GEPA（一🇨🇨🐳种通过优化提示🚵♀️⚰词来植入🎲🥏能力描🛏🍛述的方法↪）在超过4种能力🧳之后就🎂陷入了🔁家里怎么引诱蜘蛛出来停滞，无论🇸🇯🕹再描述☹📛多少种能力，🇲🇴🐦效果不🇨🇱再提升🇿🇲🌜。
”刘岩指出，🍶“因为恶意行🍄🚯为不是外部植🖼🕢入的，而0️⃣是Ag🐾🏥ent从🖨环境中自我演化🧚♂️出来的🤞🦉。结果呢？模型给出🙎♂️的回答根💟🧛♂️本没有涉及🐠区域对🌳👓比，也👤🇨🇷没有质量评分🍹，甚至🗃漏掉了某些🔑🕘区域，给出的是一🤖段对整♎张图片🇹🇭😮的笼统描🇮🇩👩🎨述😼。但这项研究的实🛎🇵🇭验结果表明，🗳🚺单纯增加交互轮🆓次并不能带🇷🇸👩👩👧来持续的进🚆😜步，因为每一轮新🇧🇯🥭的工作如🇺🇿👨👩👧👦果不能建💿立在之前工作的🏬🇯🇴基础上，就只是🔉😂在重复劳动，而🗾不是在积🇨🇺累🇿🇲。现在我想🕰🎗的是把团🇪🇬队所有人都拉进一🚈🌻个群，🦖每个人🤖⌛的虾也都进来🔘🎌。值得思考的👖是，随着这类系😌统的能力🎥不断提升，科研流🛳🔞程的加速和民主化🕙可能比我们🇦🇼👼预期的更快到来🇧🇿📪——不仅是😮顶尖机构，普🈶🤼♂️通研究🤨🥦者也可能借助类似😅的系统，以更低的🇮🇩成本完成更高质量👨💻🧻的实验性研究🍱工作👩🚀👨👦。
