（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）🇯🇲。所有测试程序通🍓👨🔬过基于🌽👡 Spi🇳🇪🧓ke 的🆎👉测试平台后🇧🇸👃，DC 开始进🚾行 PP🇹🇫A 收敛💇♂️📨。（1）架构推🥂👲理 基础模型需要🔡额外帮助的领☝域之一是像架构🔟👨❤️👨师一样进🌻🔘行推理📸。
Q2：PA💈NDA模型和G🎇🤠PT-4o💆♂️这类大🎅◻模型相比有什么🧟♀️优势？ A🍜：PANDA的🎎👩👧👧参数量🚔⛄只有0.028亿🦡🇮🇪，处理一对图片〽🧗♀️仅需3.🧜♂️53秒；而🔈🌷GPT-4o👪🌵等大模型参数量🏟✖达数百亿🤒🛐甚至更🀄多，且在区域级🇭🇲质量比较任务上准🌂确率仅26%◻🙍，接近随🈸🐭机猜测的2🤷♀️🈵0%🍁。这种探索工作🔷🦜是浪费的，不必要👨🦲📖地消耗了🤰👙令牌，而如果模👠🇹🇬型对架⛑🍋构和工程有更深入😙🇷🇸泛目录教程的理解，这🕢💪些浪费是可以避免🎗👾的😴😔。
