（来源：上观新闻）
” 这种“先想后🤧做软件的叫什么职业画”的机💕🛌制，不仅解🎸🥬决了文🚨🙆字渲染、逻🏳辑混乱等长期👨👩👧😮痛点，更♟️💬重要的是让 A⛱I 第一次🔘拥有了“设计📔🎢意图”—🤯—模型会主↕💎动问自💽🐜做软件的叫什么职业己：这张图要传递🥢什么信息？观众第3️⃣🌡一眼看到什么？☹数据是否清晰？🔑🇦🇪 提示🏴词： 生成四🥕格漫画💐做软件的叫什么职业，主角是一只叫‘👨🚀🦗阿橘’的橘猫🦉，主题是‘AI🎈🥇 帮助人类画图的🔇故事’👨🔧💻。
第二个🧺基准是M🚹LE-B🕕🦡ench L🇲🇩☕ite，🇧🇸这个基👞准更接🙉近Kaggle竞🏊♀️赛的形式🙌🇪🇹——AI需要😮🌍在现有数据集📠🙋♂️上持续🍶优化机🔐😶器学习🤫方案，争🇻🇮⚽取在模拟的竞👨🚒赛排行榜上获🗒🏥得铜牌🔯、银牌或金🤩👨👩👦👦牌🚊。实验方案参考了⏮🔖"组合链🏞♌式思考提示"的🈁🇳🇷做法——先用 P📨📃ANDA 生🚹🎱成一份失👳♀️🇨🇦真图，再明🧳确告诉 G3️⃣PT-🤠5 Mini：🇩🇿🍢"这是😳🇦🇹一份关于这两张🇪🇸图片各区域质量对💔比的参考信息🎊👨❤️👨，请把它当🇪🇬⛹️♀️作辅助线🏮🏠索，如👁🖇果你从🕵🕠图像本身看到了与🥴🇭🇰这份信息🎠矛盾的地方，🇹🇨请以图像本身为准📨。
人工合成失真的优🌍🇨🇷势是可🚐🕧控性强🕵，能够精确地为🔢🇬🇾每个区域分配质量🛅评分和🇵🇰比较标🧔签，也能系统地覆🇸🇨👩🎓盖不同难度🥼级别；但其代价是🛥🇦🇲可能与🇱🇮真实世🥌界中自然🐡产生的失🏎🌭真存在一🍚👏定的感🔚知差距‼🤗。第三种方法叫合成🇱🇮🎞数据SFT，收🇬🇶集每个🌡🇹🇩能力练🔷习场景❗🛣的成功轨迹，🎸然后做监督微调，◽👩👩👦结果只🥾🎯有37.8%🗣🐘。
